پیش بینی اثر عوامل موثر در تعیین قیمت سنگ آهن، با استفاده از روش شبکه های فازی عصبی

هدف پژوهش حاضر مدل‌سازی ریاضی پیش‌بینی قیمت سنگ‌آهن و محصولات جانبی آن بود. تحقیق حاضر از نظر هدف کاربردی و از جنبه داده‌ها پیمایشی است. اصلی‌ترین روش‌های جمع‌آوری داده‌ها در تحقیق حاضر، روش کتابخانه‌ای است قیمت روزانه نفت ایران از طریق مراجعه به پایگاه اینترنتی سازمان کشورهای صادرکننده نفت با نام اختصاری اوپک حاصل گردید. قیمت روزانه سهام سنگ‌آهن از طریق پایگاه اینترنتی بورس کالا و قیمت سکه بهار آزادی و نرخ دلار از طریق بانک مرکزی ایران استخراج گردید. شاخص‌ها ابتدا از مطالعات کتابخانه‌ای استخراج شدند در این تحقیق جامعه آماری شامل قیمت روزانه سهام سنگ‌آهن به مدت 2.058 روز کاری است. نظر به اینکه نوسانات شدید قیمت سهام پیش‌بینی را تحت تاثیر خود قرار خواهد داد؛ بنابراین نمونه آماری مورد استفاده در این تحقیق قیمت‌های روزانه سهام سنگ‌آهن در بازه زمانی ورود شرکت‌ها به بورس کالا از تاریخ 1395.01/01 الی 1401.12/29 را در بر می‌گیرد. برای پیش‌بینی‌های صورت گرفته به‌وسیله شبکه عصبی از نرم‌افزارهای eviews، python و matlab استفاده‌ شد. بر اساس یافته‌های مطالعات انجام‌شده 12 متغیر به‌عنوان متغیرهای پیش‌بین جهت طراحی مدل پیش‌بینی استخراج گردید. نتایج دیمتل نشان 7 عامل قیمت سایر عرضه کنندگان، اثر فصلی ثبت سفارش، قیمت‌های دوره‌های گذشته، نرخ تعرفه دولتی، نرخ ارز، قیمت نفت و قیمت جهانی سنگ‌آهن اثرگذارترین عوامل بودند. رویکرد فازی عصبی انطباقی که یکی از رویکردهای مهم برای مقایسه میزان اثرگذاری عوامل مختلف می‌باشد. نتایج نشان داد نرخ ارز دارای بیشترین تکرار در بین متغیرهای هفت‌گانه موجود می‌باشد و پس از آن قیمت جهانی سنگ‌آهن قرار دارد. پس از آن متغیر اثر فصلی ثبت سفارش و متغیرهای نرخ تعرفه دولتی و قیمت نفت پس از آن قرار دارد. کم تکرارترین متغیر قیمت دوره‌های گذشته می‌باشد که صرفاً یک‌بار در جایگشت‌ها به برتری رسیده است.

predicting the effect of effective factors in determining the price of iron ore, using the method of neural fuzzy networks

the aim of the present study was to mathematically model the forecast of iron ore prices and its by-products. the present study is applicable in terms of its purpose, and survey in terms of data. the main data collection methods in the present study are library methods. the daily price of iranian oil was obtainedby referring to the website of the organization of the petroleum exportingcountries (opec). the daily price of iron ore stocks was extracted from thewebsite of the commodity exchange, and the price of bahar azadi coins andthe dollar rate were extracted from the central bank of iran. the indices werefirst extracted from library studies. in this study, the statistical populationincludes the daily price of iron ore stocks for 2,058 working days. given thatsevere fluctuations in stock prices will affect the forecast; the statistical sampleused in this study includes daily iron ore stock prices during the period ofcompanies entering the stock exchange from 20/03/2016 to 19/03/2022.matlab and dematel software were used for predictions made by fuzzyinference. based on the findings of the studies, 12 variables were extracted aspredictor variables to design the prediction model. dematel results showed that7 factors: other suppliers' prices, seasonal effect of order registration, prices ofpast periods, government tariff rate, exchange rate, oil price, and world ironore price were the most influential factors. adaptive neural fuzzy approach isone of the important approaches for comparing the effectiveness of differentfactors. the results showed that the exchange rate has the highest frequencyamong the seven available variables, followed by the world iron ore price.