فایل ورد کامل کاربرد ANN در مدل سازی قیمت طلا

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل کاربرد ANN در مدل سازی قیمت طلا،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۴ صفحه

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 ۱۹۹۰ تا جولای ۲۰۰۸ مورد استفاده قرار گرفته اند. این داده ها شامل ۲۲۰ 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.

عنوان انگلیسی:Modeling Gold Price via Artificial Neural Network~~en~~

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.

$$en!!