تحقيق – بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی قیمت آن به …

در این پژوهش تمامی عوامل موثر بر پیش بینی قیمت طلا، نسبت به عوامل موثر پیشین بررسی شد و بدین صورت نتیجه گیر‌ی شدکه دقت پیش بینی ها در صورتی که از عوامل بررسی شده در پژوهش استفاده کردیم نسبت به عواملی که قبلا در نظر گرفته شده بود بهبود یافت و همچنین دقت پیش بینی در شبکه‌های عصبی به مراتب بالاتر از روشهای رگرسیون و سری زمانی است و روش رگرسیون بهتر از روش سری‌های زمانی می‌باشد و همچنین ما بیشترین بهبود را در روشهای سری زمانی با افزایش دقت ۷٫۳ در صد داشتیم.در پیش بینی قیمت طلا در ایران مهمترین عوامل تاثیر گذار قیمت طلای جهانی،قیمت نفت،شاخص مصرف کننده در ایران،میزان بدهکاری دولت آمریکا،تورم در ایران،میزان تولید ناخالص داخلی ایران و نرخ سود بانکی و میزان تپیکس می‌باشد.

۵-۳-پیشنهاداتی برای مطالعات آینده

دانلود متن کامل این پایان نامه در سایت abisho.ir

الف)بررسی عوامل سیاسی تاثیر گذار در پیش بینی قیمت طلا همانند بررسی انتخابات ریاست جمهوری در ایران و روابط سیاسی بین ایران و آمریکا وهمچنین بررسی هرج و مرج و جنگ در کشورهای تولید کننده نفت و پیدا کردن روشی برای کمی سازی این مقادیر.
ب) توجه به عوامل فرهنگی و اجتماعی و تاثیر آن ها در پیش بینی قیمت طلا همانند بررسی اعیاد و مناسبت ها و همچنین توجه به مسائل طلاق و ازدواج در جامعه وکمی سازی مقادیر آنها.
ج)توجه و بررسی احتمال وقوع عوامل طبیعی همانند سیل و زلزله و وتاثیر آن بر وضعیت اقتصادی و پیش بینی قیمت طلا و کمی سازی مقادیر آن ها.
د)استفاده از روش‌های تلفیقی شبکه‌های عصبی و منطق فازی یا ترکیب روش‌های رگرسیون فازی برای بالا بردن درصد دقت پیش بینی و کم کردن خطاهای آماری آن.

فهرست منابع فارسی

ایروانی محمد جواد(۱۳۹۱).نقش آفرینی طلا در چشم انداز پول‌های جهان روا،پژوهشنامه بازرگانی،شماره ۱۲،صفحات ۷-۱۵٫
تقوی مهدی و عراقی مریم(۱۳۹۲).تاثیر واردات کالاهای سرمایه ای،واسطه ای و مصرفی بر رشد اقتصادی،مجله اقتصادی،شماره ۳و۴،صفحات ۷۶-۶۵٫
جلالی نائینی،رضازاده محمدی (۱۳۷۵).صادرات و رشد اقتصادی.پژوهشنامه بازرگانی،شماره ۱،صفحات ۶-۳۶٫
حسن تاش،سید غلامحسین( ۱۳۸۷).بررسی عوامل تاثیرگذار بر بازار و قیمت جهانی نفت خام، متن سخنرانی در کمیسیون اقتصاد کلان مجمع تشخیص مصلحت نظام(مرکز تحقیقات استراتژیک).
طاهری حامد و صفاری میلاد (۱۳۹۰).بررسی رابطه بین نرخ ارز و شاخص قیمت بورس با استفاده از رویکرد ARDL،فصلنامه روند پژوهش‌های اقتصادی،سال نوزدهم،شماره ۶۰،صفحات ۶۳-۸۰٫
طیب نیا،علی(۱۳۹۱).پویش ترم در اقتصاد ایران.متن سخنرانی در کمیسیون اقتصاد کلان مجمع تشخیص مصلحت نظام.
علی نژاد مهربانی فرهاد و کمیجانی اکبر(۱۳۹۱).ارزیابی اثربخشی کانال‌های انتقال پولی بر تولید و تورم و تحلیل اهمیت نسبی آنها در اقتصاد ایران،فصلنامه علمی-پژوهشی،سال هفدهم شماره ۲٫

گلدانسازسیداحمد و عزیزی مهشید و کلانتری سیداحمدرضا (۱۳۹۱).تحلیل عوامل موثر در اقتصاد و نقش آنها بر توسعه اقتصادی ایران، همایش ملی فرهنگ سازی اصلاح رفتارهای اقتصادی در ایران امروز.

محنت فر یوسف(۱۳۹۲).ارزیابی ارتباط نرخ تورم و شکاف تولید در ایران،فصلنامه سیاست‌های مالی و اقتصادی،سال اول،شماره ۳،صفحات ۱۱۶-۹۷٫

ناجی میدانی علی اکبر و فلاح محمد علی و ذبیحی مریم(۱۳۹۰). بررسی تأثیر پویای نوسانات قیمت مسکن در عوامل کلان اقتصادی ایران،دانش و توسعه،شمارا ۱۸،صفحات ۲۵-۴۷٫

نیرومند حسینعلی، بزرگ نیا ابولقاسم(۱۳۹۰).”The Analysis Of Time Series An Introduction” C.Chatfield مقدمه‌ای بر تحلیل سری‌های زمانی / تالیف سی چتفیلد؛. (انتشارات دانشگاه مشهد؛ ۱۳۲ ISBN 964-5782-88-0).
هادیان،الهام مقدم(۱۳۸۸).بررسی تاثیر واردات بر رشد اقتصادی در ایران،پایان نامه کارشناسی ارشد،دانشگاه شیراز،دانشکده اقتصاد و علوم اجتماعی.
هژبر کیانی،ک و حسنوند (۱۳۹۰).بررسی رشد صادرات و رشد اقتصادی،پژوهشنامه بازرگانی،شماره ۷،صفحات ۲۴-۱٫

فهرست منابع انگلیسی

Azadeh, A., Moghaddam, M., Khakzad, M. and Ebrahimipour, V. (2012) ‘A flexible neural network-fuzzy mathematical programming algorithm for improvement of Gold price estimation and forecasting’, Computers & Industrial Engineering, Vol. 62, pp.421–۴۳۰٫
Atsalakis, G., Ucenic, C. and Skiadas, C. (2005) ‘Time series prediction of the Greek
manufacturing index for the non-metallic minerals sector using a neuro-fuzzy approach (ANFIS)’ International Symposium on Applied Stochastic Models and Data Analysis, France, Brest, pp.1369.
Atsalakis, G. and Valavanis, K. (2009) ‘Forecasting stock market short-term trends using a neurofuzzy based method
ology’, Journal of Expert Systems with Applications, Vol. 36 No. 7, pp.10696–۱۰۷۰۷٫
Bogner, Stephan. (2003). “Gold vs. US Dollar”.
[online].<http://216.239.37.104/translate_c?hl=en&sl=de&u=http://www.goldseiten.de/ansichten/bonger-03.htm>.[12 Feb 2013]
Bolton & R.J. & Hand D.J. (2002), ‘Statistical fraud detection: a review’, Statistical Science, vol. 17, no.3, pp.235-55.
Boritz, J.E. and Kennedy, D.B. (1995) ‘Effectiveness of neural network types for prediction of business failure’, Expert Systems with Applications, Vol. 9, No. 4, pp.503–۵۱۲
Brauner, E., Dayhoff, J. and Sun, X. (1997) Commodity Trading Using Neural Networks: Models for the Gold Market, Institute for Systems Research Technical Reports, vol. 17, no.3, pp.235-55..
Chang, P.C., Wang, D.D.and Zhou, C.L. (2012) ‘A novel model by evolving partially connected neural network for stock price trend forecasting’, Expert Systems with Applications, Vol. 39, pp.611–۶۲۰
Chen, A. and Leung, M.T. (2005) ‘Performance evaluation of neural network architectures: the case of predicting foreign exchange correlations’, Journal of Forecasting, Vol. 24, No. 6, pp.403–۴۲۰٫
Chiang, W.K., Zhang, D. and Zhou, L. (2006) ‘Predicting and explaining patronage behavior toward web and traditional stores using neural networks: A comparative analysis with logistic regression’, Decision Support Systems, Vol. 41, pp.514–۵۳۱٫
Clementine 12.0 Specifications(2007), ‘ CRISP DM Help Overview”,
[online].<http://pic.dhe.ibm.com/infocenter/spssmodlN15r0m0/index.jsp?topic=%2Fcom.ibm.spss.crispdm.help%2FCrisp_Overview.htm.>. [14 Sep 2013]
Dunis, C.L. and Nathani, A. (2007) ‘Quantitative trading of gold and silver using nonlinear models’, Neural Network World, Vol. 16, No. 2/7, pp.93–۱۱۱٫
George S. Atsalakis and Constantinos Zopounidis’Gold price forecasting with a neuro-fuzzy-based inference system’Int J. Financial Engineering and Risk Management, Vol. 1, No. 1, pp. 35–۵۴٫
Govelt, M.H., Govelt GJS (2013), ‘Gold Demand and Supply’ , Journal of Multinational Financial Management, Vol. 18, No. 5, pp.477–۴۸۷
Greta R. Krippner (2009) ,’Socio – Economic Review’, Journal of Economics and Business, Vol. 64, pp.275–۲۸۶٫