پيش بيني نرخ ارز با استفاده از شبکه هاي عصبي و تبديل موجک

پيش بيني نرخ هاي ارز يکي از مسايل مهم مالي است که به خاطر مشکلات ذاتي و کاربردهاي عملي آن توجه زيادي را به خود جلب کرده است. روش هاي تجزيه و تحليل سري هاي زماني به طور سنتي بر دو مفهوم مانايي و خطي بودن بنيان نهاده شده اند. اما در مواردي که پويايي سيستم ويژگي غير خطي بالايي را نشان مي دهد، عملکرد اين مدل هاي سنتي عمدتا ضعيف مي باشد. از طرف ديگر شبکه هاي عصبي مصنوعي و تبديل موجک توانايي بالقوه خوبي براي پيش بيني سري هاي زماني از خود نشان داده اند. از اين رو در اين مقاله روش پيش بيني ارايه مي شود تا قدرت شبکه هاي عصبي و تبديل موجک را با هم ترکيب مي کند. در اين روش نرخ هاي ارز اصلي که بايد پيش بيني شوند، در ابتدا با استفاده از تکنيک موجک به مولفه هاي مقياسي متفاوتي تجزيه مي شوند. در مرحله بعد تکنيک شبکه هاي عصبي براي مدل بندي هر کدام از مولفه هاي سري هاي زماني بکار گرفته مي شود و پيش بيني نهايي سري هاي زماني اصلي با ترکيب پيش بيني اين مولفه ها بدست مي آيد. اين روش براي پيش بيني يک و ده گام به جلوي نرخ هاي ارز روزانه بکار گرفته مي شود. نتايج نشان مي دهد که عملکرد اين روش پيشنهادي در مقايسه با مدل شبکه عصبي و مدل ARIMA در پيش بيني ها از يک گام تا 5 گام به جلو بهتر است.