| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کاربرد ANN در مدل سازی قیمت طلا |
| عنوان انگلیسی مقاله: |
Modeling Gold Price via Artificial Neural Network |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2015 |
| تعداد صفحات مقاله انگلیسی | 5صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | علوم اقتصادی |
| گرایش های مرتبط با این مقاله | اقتصادسنجی و اقتصاد پولی |
| مجله مربوطه |
مجله اقتصاد، بازرگانی و مدیریت Journal of Economics, Business and Management |
| دانشگاه تهیه کننده | دانشکده امور مالی، دانشگاه آزاد اسلامی، دبی، امارات متحده عربی |
| کلمات کلیدی این مقاله | ANN ، قیمت طلا، پیش بینی، ARIMA |
| رفرنس | دارد |
| نشریه | JOEBM |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 11صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
| منابع داخل متن | |
- فهرست مطالب:
چکیده
معرفی
شبکه های عصبی مصنوعی (ANN)
مدل سازی قیمت طلا
ارزیابی عملکرد مدل ها
تحلیل میزان حساسیت
نتیجه گیری
- بخشی از ترجمه:
VII. نتیجه گیری
در این مطالعه، عملکرد روش های مختلف پیش بینی تغییرات قیمت طلا مورد بررسی قرار گرفتند. روش های پیش بینی مورد بررسی شامل مدل ها ANN و ARIMA می شوند. به منظور توسعه مدل های مختلف مورد بررسی این مطالعه، داده های مربوط به قیمت طلا از آوریل 1990 تا جولای 2008 مورد استفاده قرار گرفته اند. این داده ها شامل 220 بردار ورودی و بردار های خروجی مرتبط به آنها می شوند که از داده های تاریخی قیمت طلا به بخش های آموزش داده ها و اعتبارسنجی داده ها تقسیم شدند. سه معیار ارزیابی عملکرد، از جمله MAE، R2 و RMSE، برای تحلیل عملکرد مدل های مختلف توسعه یافته اند. نتایج نشان می دهد که شبکه های عصبی مصنوعی ابزاری قدرتمند برای مدل سازی قیمت طلا می باشد و می تواند بهتر از روش ARIMA برای پیش بینی ها عمل کند. نتایج پیش بینی حاصل از مدل شبکه عصبی مصنوعی در مرحله اعتبار سنجی بهتر از مدل ARIMA بوده است.
- بخشی از مقاله انگلیسی:
VII. CONCLUSION
In this study, the performance of different methods for forecasting the gold price changes was investigated. The forecasting methods evaluated include the ANN and ARIMA models. The gold price data from April 1990 to July 2008 were used to develop various models investigated in this study. This comprises 220 input vectors and their corresponding output vectors from the historical data of gold price, which were divided into training and validation sets. Three performance evaluation measures, including MAE, R2 , and RMSE, are adopted to analyze the performances of various models developed. The results show that the ANN method is powerful tools to model the gold price and can give better forecasting performance than the ARIMA method. The forecasting results of ANN model during the validation phase outperform the ARIMA model.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کاربرد ANN در مدل سازی قیمت طلا |
| عنوان انگلیسی مقاله: |
Modeling Gold Price via Artificial Neural Network |
|
|
خرید ترجمه فارسی مقاله با فرمت ورد