تاریخ:

1386

نویسنده:

مجید عبداله‌زاده

کلیدواژه ها:

ش‍بیه‌س‍ازی ع‍ص‍بی - ف‍ازی - ت‍طبیقی - قیم‍ت‌

امروزه با تغییر مکانیزم های سنتی حاکم بر بازار های اقتصادی، تغییر از فرآیند تولید تک قطبی به چند قطبی، در دسترس بودن منابع متعدد برای تأمین کالا یا خدماتی خاص توسط مصرف کنندگان و به طور کلی گسترش بازار های رقابتی، نگرش علمی به فرآیند های اقتصادی و اعمال روش ها و الگوریتم های مبتنی بر دانش سهم بسزایی در موفقیت بنگاه های اقتصادی دارد. مدل سازی و شبیهسازی سیستم های دینامیکی پیچیده اقتصادی از دانش و فن آوری های جدید و به روز مهندسی است که امروزه می تواند کاربرد فراوانی در تحلیل سیستم های اقتصادی و بهبود عمل کرد آن ها داشته باشد. در سیستم های اقتصادی، طبیعت شدیداً غیر خطی، وجود عدم قطعیت ها، عدم شفافیت ساختاری و نیاز به وارد نمودن متغیرهای علی و دانش کارشناسی، در کنار نگرش داده- محور، مهمترین مسائل مورد توجه به شمار می روند. ملاحظات فوق روش های عصبی- فازی را به عنوان ابزارهایی مناسب جهت مدل سازی، شبیه سازی و پیش بینی رفتار این سیستم ها مطرح می نماید. در پروژه حاضر با استفاده از روش های نوین عصبی- فازی به پیش بینی قیمت در بازار فلزات پرداخته شده است. با در نظر گرفتن مباحث و ملاحظات لازم در تحلیل های اقتصادی و فرایند پیشبینی، مدلهای پیش بین بر پایه سیستم های استنباط فازی مبتنی بر شبکه های عصبی تطبیقی، سیستم های استنباط فازی با یادگیری عاطفی، مدل های نوروفازی خطی محلی و مدل های عصبی، فازی مرتبه دوم محلی پیاده سازی شده اند. به منظور پیش بینی قیمت فلزات در بورس ایران و بورس لندن، داده های ورودی و متغیرهای مؤثر مطلوب و الگوریتم های یادگیری مناسب برای مدلها تعیین شده اند و الگوریتم های ارائه شده در نمونه های مورد بررسی اعمال گردیده اند. در نهایت در این تحقیق توانمندی مدل های ارائه شده جهت پیش بینی قیمت در بازار فلزات در کنار حجم محاسباتی مناسب، تعداد پارامترهای قابل تنظیم کم، توانایی عملکرد خودکار، قابلیت تعمیم بالا و دقت مطلوب آنها با شبیه سازی و مقایسه نشان داده شده است.