ارائه مدلي براي پيش¬بيني تبدیل نرخ یورو به دلار بر اساس روش هاي يادگيري ترکيبي و خواص آماري داده ها

آیلار ملامهرعلیزاده¹

1) دانشجوی کارشناسی ارشد گرایش مهندسی مالی، دانشگاه امیرکبیر

محل انتشار : دهمین کنفرانس بین المللی مدیریت امور مالی، تجارت، بانک، اقتصاد و حسابداری(mftconf.com)
چکیده :
امروزه در بازار سرمایه نرخ پول های رایج دنیا به شدت مورد توجه قرار گرفته است از این رو در این پروژه نرخ تبدیل یورو به دلار بنا بر قدرت و اهمیت آن برای پیشبینی درنظر گرفته شده است. پیشبینی مناسب در این بازار جهت تعیین نرخ ارز باعث ایجاد منافع زیادی می¬شود . یکی از کاربردهای پیشبینی نرخ ارز در صنعت کشور، واردات مواد اولیه و تجهیزات مورد نیاز از خارج و صادرات تولیدات است. با خرید یا فروش در زمان مناسب میتوان سود قابل ملاحظه ای را عاید شرکت ها کرد. از آنجا که کاهش عدم اطمینان از اهداف این پروژه است و استفاده از روش های ترکیبی نقش به سزایی در افزایش سطح اطمینان برای پیش بینی دارند، در نتیجه از ترکیبی از روش ها استفاده می‌کنیم که بسته به مطالعات انجام شده از هر روش در حیطه ی قوت آن استفاده می¬‌کنیم تا بالاترین دقت حاصل شود. در ابتدا به آماده سازی داده ها می¬پردازیم تا بسته به خواص آماری آنها با دقت ترین روش های پیشبینی را انتخاب کنیم. در ادامه برای افزایش دقت کار از روش های انتخاب ویژگی برای برگزیدن موثرترین متغیرها و با افزودن یکی از روش های یادگیری جمعی برای بهبود نتیجه استفاده می¬کنیم. در نهایت به مقایسه¬ی 3 روش ترکیبی SVR-Bagging ، Decision Tree-Adaboost و Decision Tree-Bagging پرداختیم که روش SVR-Bagging با کورولیشن 0.98796 بهترین روش انتخاب شده است.
کلمات کلیدی : پیشبینی نرخ ارز شبکه های عصبی انتخاب ویژگی یادگیری جمعی