بررسي مقايسه‌اي بين مدل تركيبي سيستم ژنتيك فازي ـ عصبي خودسازمانده و مدل خطي در پيش‌بيني قيمت توافقي قراردادهاي آتي سكۀ طلا

Comparison Between the Hybrid Model of Genetic Fuzzy and Self - Organizing Systems and Linear Model to Predict the Price of Gold Coin Futures Contracts

اين مقاله به بررسي پيش‌بيني قيمت قرارداد آتي سكه طلا در بورس كالاي ايران پرداخته است. اين تحقيق مدلي تركيبي بر اساس سيستم ژنتيك فازي (GFS) و شبكه عصبي مصنوعي (ANN) براي پيش‌بيني قرارداد آتي سكه طلا ارائه داده است. در اين روش، ابتدا با استفاده از روش رگرسيون گام‌به‌گام متغيرهايي مشخص مي‌شود كه بيشترين تأاثير را بر قيمت قرارداد آتي سكه طلا دارند. در گام بعدي داده‌هاي خام با استفاده از شبكه عصبي خودسازمانده به k دسته تقسيم مي‌شود. در نهايت، اين دسته‌ها به سيستم ژنتيك فازي وارد و پيش‌بيني انجام مي‌شود. ‌درآخر، نتيجه پيش بيني حاصل از مدل تركيبي ارائه‌شده، با نتيجه حاصل از پيش‌بيني‌ روش خطي آريما با استفاده از معيار سنجش خطا MAPE با هم مقايسه شد. نتايج نشان داد كه مدل تركيبي ارائه‌شده، پيش‌بيني بسيار مناسب‌‌‌تري از روش آريما دارد و خطاي پيش‌بيني آن بسيار كمتر بوده است.

This paper investigates the forecasting gold coin futures contract price in Iran Mercantile Exchange. this research has presented a hybrid model based on genetic fuzzy systems (GFS) and artificial neural network (ANN) to forecast the gold futures contract, At first, we use stepwise regression analysis (SRA) to determine factors which have most influence on stock prices. At the next stage we divide our raw data into k clusters by means of selforganizing map (SOM) neural networks. Finally, all clusters will be fed into independent GFS models. Finally, the results from the proposed hybrid model was compared with the results from forecasting ARIMA model using mean absolute percentage error (MAPE). Results show that the proposed approach outperforms of ARIMA model, so it can be considered as a suitable tool for forecasting price Gold coin futures contracts problems.