تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله مدل سازی قیمت طلا با استفاده از شبکه عصبی مصنوعی

عنوان فارسی: مدل سازی قیمت طلا با استفاده از شبکه عصبی مصنوعی
عنوان انگلیسی: Modeling Gold Price via Artificial Neural Network
تعداد صفحات مقاله انگلیسی : 5 تعداد صفحات ترجمه فارسی : 11
سال انتشار : 2015 نشریه : JOEBM
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 100 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.41Mb
رشته های مرتبط با این مقاله: علوم اقتصادی
گرایش های مرتبط با این مقاله: اقتصادسنجی و اقتصاد پولی
مجله: مجله اقتصاد، بازرگانی و مدیریت - Journal of Economics
دانشگاه: دانشکده امور مالی، دانشگاه آزاد اسلامی، دبی، امارات متحده عربی
کلمات کلیدی: ANN ، قیمت طلا، پیش بینی، ARIMA
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

معرفی

شبکه های عصبی مصنوعی (ANN)

مدل سازی قیمت طلا

ارزیابی عملکرد مدل ها

تحلیل میزان حساسیت

نتیجه گیری

نمونه متن انگلیسی

Abstract

Developing a precise and accurate model of gold price is critical to manage assets because of its unique features. In this paper, artificial neural network (ANN) model have been used for modeling the gold price, and compared with the traditional statistical model of ARIMA (autoregressive integrated moving average). The three performance measures, the coefficient of determination (R2), root mean squared error (RMSE), mean absolute error (MAE), are utilized to evaluate the performances of different models developed. The results show that the ANN model outperforms ARIMA model, in terms of different performance criteria during the training and validation phases.

نمونه متن ترجمه

چکیده

توسعه یک مدل دقیق و صحیح برای قیمت طلا به دلیل ویژگی های منحصر به فرد آن برای مدیریت دارایی مهم و حساس است. در این مقاله، مدل شبکه عصبی مصنوعی (ANN) برای مدل سازی قیمت طلا مورد استفاده  بوده، و در مقایسه با مدل آماری سنتی ARIMA قرار گرفته است. (اتورگرسیو یکپارچه میانگین متحرک). سه معیار اندازه گیری عملکرد مدل، تعیین ضریب (R2)، خطا جذر میانگین مربعات (RMSE)، میانگین خطا مطلق (MAE)، برای ارزیابی عملکرد مدل های مختلف توسعه یافته به کار گرفته شده اند. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی از نظر معیارهای عملکرد های مختلف در طول آموزش و مراحل اعتبار سنجی  بهتر از مدل ARIMA  رفتار میکند.