نویسنده

چکیده

در دنیای امروز به کارگیری روشهای کمی پیش بینی در زمینه های مختلف مورد توجه گسترده قرار گرفته است. تغییرات سریع محیطهای ناشناخته در دنیای واقعی و به ویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان به منظور تأمین داده های مورد نیاز شده است. مدلهای میانگین متحرک خود رگرسیون انباشته (ARIMA) دارای محدودیت تعداد داده های گذشته بوده و شبکه-های عصبی مصنوعی (ANNs) نیز به منظور حصول نتایج دقیق احتیاج به داده های زیادی داردن. مدلهای رگرسیون فازی، مدلهایی مناسب در شرایط پیش بینی با داده های قابل حصول کم اند. در این مقاله به منظور برطرف ساختن مشکل مذکور و حصول نتایج دقیقتر، مدلهای میانگین متحرک خود رگرسیون انباشته با رگرسیون فازی ترکیب شده ان. نتایج حاصله از به کارگیری روش ترکیبی در بازار ارز بیانگر کارامدی این روش در پیش بینی بازه تغییرات نرخ ارز بوده است.

کلیدواژه‌ها

عنوان مقاله [English]

Using a Fuzzy Auto Regressive Integrated Moving Average Model for Exchange Rate Forecasting

نویسنده [English]

  • Mehdi Khashei and Mehdi Bijari

چکیده [English]

Forecasting models have wide applications in decision making. In the real world, rapid changes normally take place in different areas, specifically in financial markets. Collecting the required data is a main problem for forecasters in such unstable environments. Forecasting methods such as Auto Regressive Integrated Moving Average (ARIMA) models and also Artificial Neural Networks (ANNs) need large amounts of historical data. Although fuzzy forecasting models such as fuzzy regression are suitable metods when the data available is scant, their performance is not satisfactory at times. In this paper, a new Fuzzy Auto Regressive Integrated Moving Average (FARIMA) is presented. The proposed model can be run with less data, so it is more suitable than other models for cases where there are limited data available. The results obtained on exchange rate forecasting reveal the efficiency of the proposed model.

کلیدواژه‌ها [English]

  • Exchange rate
  • Auto Regressive Integrated Moving Average
  • Fuzzy regression
  • Time series forecasting
  • Combined forecast

تحت نظارت وف ایرانی