rasool poorvahdani

با توجه به نوسانات زیاد نرخ ارز در ایران پیش بینی آن یکی از چالش های مهم برای گروه های مختلف در کشور می باشد. این مطالعه به بررسی عملکرد شش شبکه ی عصبی مصنوعی مختلف ایستا و پویا برای پیش بینی نرخ ارز با رویکردهای بنیادی، تکنیکال و ترکیبی و با بکارگیری داده های فصلی طی دوره زمانی (1) 1383-(4) 1396 برای متغیرهای تاثیرگذار روی نرخ ارز شامل تورم، نقدینگی و تولید ناخالص داخلی برای دو کشور ایران و آمریکا، صورت گرفته است. یافته های پژوهش حاکی از این است تعداد نرون ها اثر منظمی روی بهتر شدن عملکرد شبکه ها نداشته و از طرفی بهترین نتایج در وقفه های سه و چهار اتفاق افتاده است. نتایج نشان می دهد که  بهترین عملکرد مربوط به شبکه ی ایستای تکنیکال و با ساختار شانزده نرون و چهار وقفه میسر شده است که پیش بینی نسبتا دقیقی از نرخ ارز علیرغم تعداد کم داده های ورودی ارایه می دهد. همچنین دومین عملکرد مناسب مربوط به شبکه ی ایستای ترکیبی با ساختار ده نرون و دو وقفه می باشد. با این ملاحظات، سیاست گذاران می توانند با توجه به دسترسی بیشتر و بروزتر به داده های موثر بر نرخ ارز و با پایش لحظه ای متغیرها و ورود آنها به مدل جامع طراحی شده با استفاده از این روش، میزان انحراف نرخ ارز پیش بینی شده توسط مدل و نرخ ارز موجود را مورد بررسی قرار داده و سیاست های مقتضی را بر این اساس اتخاذ نمایند، به طوری که زیان های وارده بر بخش داخلی و خارجی اقتصاد ناشی از شکاف نرخ پیش بینی شده و نرخ ارز موجود در حداقل مقدار باشد.