پاسخ به:دانلود مقالات اقتصادی 6

در اين مقاله استفاده از مدل‌هاي شبکه‎عصبي مصنوعي(ANN)  و برخي الگوهاي متداول در زمينه پيش‌بيني نرخ‌ ارز, مورد آزمون و تحليل قرار گرفته بدين صورت که، عملکرد پنج الگوي رگرسيون خطي در مقايسه با شبکه ‌هاي عصبي مصنوعي, براي پيش‌ بيني نرخ ارز اسمي (ريال ايران به دلار ايالات متحده آمريکا) مورد بررسي قرار مي ‌گيرد. الگوهاي رگرسيون خطي عبارتند از روش باکس- جنکينز (الگوي ميانگين متحرک انباشته خود همبسته)، فرايند گام تصادفي و سه تصريح مختلف بر اساس نظريه برابري قدرت خريد (PPP). هدف اصلي اين مقاله، آزمون اين فرضيه است که آيا شبکه‌ هاي عصبي مصنوعي با توان براورد روابط غيرخطي، داراي نتايج بهتر و قابل مقايسه در پيش‌بيني نرخ ارز نسبت به الگوهاي سنتي، به‌خصوص الگوي گام تصادفي‌ اند يا خير؟ مقايسه مذکور براي مشاهدات داخل نمونه، براورد الگوها و خارج از نمونه براي افق‌ هاي پيش ‌بيني رو به جلوي يک‌، شش و دوازده ماهه انجام مي‌ پذيرد. در حالت کلي، نتايج به‌دست آمده حاکي از دشوار بودن پيش بيني نرخ ارز, توسط الگوهاي ساختاري اقتصادي است، اين نتايج هماهنگ با مطالعات قبلي در اين زمينه است. بدين صورت که الگوي (فرايند) گام تصادفي نسبت به الگوهاي ساختاري پولي در پيش‌ بيني نرخ ارز از عملکرد بهتري برخوردار است. در مقايسه مستقيم عملکرد مدل‌ هاي(خطي) اقتصادسنجي ساختاري و سري زماني با شبکه ‌هاي عصبي(غيرخطي) و با داده ‌هاي ماهانه، مدل ‌هاي شبکه‌ هاي عصبي مصنوعي به وضوح از قدرت بيشتري در زمينه پيش ‌بيني نرخ ارز برخوردارند.