ارسل ملاحظاتك

ارسل ملاحظاتك لنا







التنبؤ باستخدام الشبكات العصبية الاصطناعية والانحدار الفازي: دراسة تطبيقية

المصدر: مجلة الدراسات والبحوث التجارية
الناشر: جامعة بنها - كلية التجارة
المؤلف الرئيسي: عبدالعاطي، فاطمة علي محمد (مؤلف)
المؤلف الرئيسي (الإنجليزية): Abdulaati, Fatemah Ali Mohammed
مؤلفين آخرين: الشربيني، أسماء السعيد إسماعيل (م. مشارك)
المجلد/العدد: س37, ع4
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2017
الصفحات: 591 - 616
ISSN: 1110-1547
رقم MD: 1181753
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

57

حفظ في:
المستخلص: بيئة الأسواق المالية مليئة بالتغيرات سريعة الحدوث مما يستوجب توقعها باستخدام البيانات الضئيلة المتاحة على المدى القصير، ويتطلب التنبؤ في هذه الحالات الأساليب التي تعمل بكفاءة مع البيانات غير الكاملة (lncomplete data). استهدفت تلك الدراسة الوصول إلى نموذج مناسب للتنبؤ بأسعار صرف الجنية المصري مقابل الدولار الأمريكي، ولذلك تناولت الدراسة تطبيق الأساليب التالية في التنبؤ: 1) أسلوب الشبكات العصبية الاصطناعية. 2) أسلوب الانحدار الفازى. وقد تمت المقارنة بين تلك الأساليب باستخدام معايير قياس دقة التنبؤ، واتضح من خلالها أن أنسب أسلوب للتنبؤ بأسعار صرف الجنية المصري مقابل الدولار الأمريكي هو النموذج الفازى.

The environment of financial markets is full of uncertainties and changes occur rapidly thus future situations must be usually forecasted using the scant data made available over a short span of time. Therefore, forecasting in these situations requires methods that work efficiently with incomplete data. The main objective of this study is to reach an appropriate model to forecast the exchange rates of the Egyptian pound against the US dollar, so the study examined the application of the following methods to forecast. 1) Method of artificial neural networks. 2) Method of fuzzy regression. At the end of study was the comparison between these methods using the criteria for measuring the forecast accuracy, it became clear that the most appropriate method to forecast the Egyptian pound against the US dollar is fuzzy model.

ISSN: 1110-1547