طراحی یک الگوی هوش محاسباتی ترکیبی برای پیش بینی نرخ ارز در ایران

توضیحات

فصل یکم: مقدمه و کلیات

مقدمه

۱-۱٫ بیان مساله

۱-۲٫ پرسش پژوهش

۱-۳٫ فرضیه­های پژوهش

۱-۴٫ اهداف پژوهش

۱-۵٫ روش پژوهش

۱-۶٫ تعریف واژگان کلیدی

۱-۷٫ سازماندهی پژوهش

فصل دوم: ادبیات موضوع

مقدمه

۲-۱٫ مبانی نظری

۲-۱-۱٫ تحلیل فنی

۲-۱-۱-۱٫ مبانی تحلیل فنی

۲-۱-۱-۲٫ پایه و اساس تحلیل فنی

۲-۱-۲٫ تحلیل بنیادی

۲-۱-۲-۱٫ نقاط ضعف تحلیل بنیادی

۲-۱-۳٫ فرضیه گام تصادفی

۲-۱-۴٫ انواع نظام­های ارزی

۲-۱-۴-۱٫ نظام­های ارزی شناور

۲-۱-۴-۲٫ نظام­های ارزی میانه

۲-۱-۴-۳٫ نظام­های ارزی میخکوب شده نرم

۲-۱-۴-۴٫ نظام­های ارزی میخکوب سخت

۲-۱-۵٫ دیدگاه­های مختلف در ادبیات نرخ ارز

۲-۱-۵-۱٫ دیدگاه سنتی نرخ ارز

الف. روش کشش­ها

ب. الگوی برابری قدرت خرید

ج. الگوی ماندل – فلمینگ

۲-۱-۵-۲٫ دیدگاه جدید دارایی

الف. الگوهای پولی تعیین نرخ ارز

ب. الگوی تعادل پورتفولیو

۲-۲٫ مطالعات انجام شده

۲-۲-۱٫ مطالعات خارجی

۲-۲-۲٫ مطالعات داخلی

۲-۳٫ مروری بر تحولات ارزی ایران

۲-۳-۱٫ تحولات ارزی تا زمان وقوع انقلاب اسلامی

۲-۳-۲٫ تحولات ارزی پس از وقوع انقلاب اسلامی

فصل سوم: روش پژوهش

۳-۱٫ مقدمه

۳-۲٫ حدود پژوهش و روش جمع­آوری داده­ها و اطلاعات

۳-۳٫ پیش بینی

۳-۴٫ الگوهای پیش­بینی سری­های زمانی

۳-۴-۱٫ الگوی خودرگرسیون میانگین متحرک انباشته

۳-۴-۱-۱٫ تاریخچه خودرگرسیون میانگین متحرک انباشته

۳-۴-۱-۲٫ ویژگی­های روش خودرگرسیون میانگین متحرک انباشته

۳-۴-۱-۳٫ الگوسازی

۳-۴-۱-۴٫ الگوی خودرگرسیون میانگین متحرک انباشته

۳-۴-۱-۵٫ مراحل الگوسازی سری زمانی با روش خودرگرسیون میانگین متحرک انباشته

۳-۴-۲٫ الگوهای شبکه­های عصبی مصنوعی

۳-۴-۲-۱٫ تاریخچه شبکه­های عصبی مصنوعی

۳-۴-۲-۲٫ مبانی شبکه­های عصبی مصنوعی

۳-۴-۲-۳٫ مزیت­ها و معایب شبکه­های عصبی مصنوعی

۳-۴-۲-۴٫ ساختار شبکه­های عصبی مصنوعی

۳-۴-۲-۵٫ دسته­بندی داده­ها

۳-۴-۲-۶٫ واحدهای پردازش

۳-۴-۲-۷٫ انواع توابع فعال­سازی (تبدیل)

۳-۴-۲-۸٫ انواع شبکه­های عصبی

۳-۴-۲-۹٫ مراحل اساسی ساخت یک شبکه عصبی مصنوعی

۳-۴-۲-۱۰٫ الگوریتم­های آموزش شبکه­های عصبی مصنوعی

۳-۴-۲-۱۱٫ شبکه­های پرسپترون چند لایه

۳-۴-۲-۱۲٫ معیارهای خطا

۳-۴-۳٫ مفاهیم فازی

۳-۴-۳-۱٫ تاریخچه نظریه فازی

۳-۴-۳-۲٫ مجموعه­های فازی

۳-۴-۳-۳٫ عملگرهای فازی

۳-۴-۳-۴٫ اصل گسترش در مجموعه­های فازی

۳-۴-۳-۵٫ عدد فازی

۳-۴-۳-۶٫ مبانی رگرسیون فازی

۳-۵٫ الگوی هوش محاسباتی ترکیبی

فصل چهارم: یافته­ های پژوهش

۴-۱٫ مقدمه

۴-۲٫ مجموعه­ی داده­ها

۴-۳٫ آماده­سازی داده­های ورودی

۴-۴٫ برازش الگوی خودرگرسیون میانگین متحرک انباشته

۴-۵٫ طراحی و آموزش یک شبکه عصبی مصنوعی

۴-۵-۱٫ انتخاب نوع شبکه

۴-۵-۲٫ تعیین تعداد لایه ­ها

۴-۵-۳٫ تعیین تعداد نرون­های هر لایه

۴-۵-۴٫ تعیین توابع فعال­سازی

۴-۵-۵٫ تعیین الگوریتم آموزش

۴-۵-۶٫ مجموعه­های آموزش و آزمون

۴-۵-۷٫ معیار سنجش عملکرد

۴-۶٫ فازی­سازی الگوی

طراحی شده

۴-۷٫ فازی­سازی تجدید نظر شده و نهایی سازی مقادیر ضرایب

۴-۸٫ مقایسه الگوی هوش محاسباتی ترکیبی با سایر الگوها

۴-۹٫ آزمون فرضیه­های پژوهش

فصل پنجم: خلاصه، نتیجه ­گیری و پیشنهادها

۵-۱٫ خلاصه و نتیجه­ گیری

۵-۲٫ پیشنهادها