بررسی مقایسه‌ای بین مدل ترکیبی سیستم ژنتیک فازی ـ عصبی خودسازمانده و مدل خطی در پیش‌بینی قیمت توافقی قراردادهای آتی سکۀ طلا

این مقاله به بررسی پیش‌بینی قیمت قرارداد آتی سکه طلا در بورس کالای ایران پرداخته است. این تحقیق مدلی ترکیبی بر اساس سیستم ژنتیک فازی (gfs) و شبکه عصبی مصنوعی (ann) برای پیش‌بینی قرارداد آتی سکه طلا ارائه داده است. در این روش، ابتدا با استفاده از روش رگرسیون گام‌به‌گام متغیرهایی مشخص می‌شود که بیشترین تااثیر را بر قیمت قرارداد آتی سکه طلا دارند. در گام بعدی داده‌های خام با استفاده از شبکه عصبی خودسازمانده به k دسته تقسیم می‌شود. در نهایت، این دسته‌ها به سیستم ژنتیک فازی وارد و پیش‌بینی انجام می‌شود. ‌درآخر، نتیجه پیش بینی حاصل از مدل ترکیبی ارائه‌شده، با نتیجه حاصل از پیش‌بینی‌ روش خطی آریما با استفاده از معیار سنجش خطا mape با هم مقایسه شد. نتایج نشان داد که مدل ترکیبی ارائه‌شده، پیش‌بینی بسیار مناسب‌‌‌تری از روش آریما دارد و خطای پیش‌بینی آن بسیار کمتر بوده است.

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

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.