پایان نامه پیش بینی قیمت طلا با داده کاوی با عنوان بررسی عوامل موثر بر قیمت طلا و ارائه مدل پیش بینی قیمت آن به کمک تکنیک‌های پیشرفته داده کاوی می باشد.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  7.3 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.

 

 

 


در فصل اول مقدمه، در فصل دوم ادبيات موضوع  و مباني نظري، در فصل سوم، عوامل موثر بر پیش بینی قیمت طلا ارائه گردید.در فصل چهارم آزمایش ها‌ی لازم برای بررسی عوامل موثر بر پیش بینی قیمت طلا ارائه گردید. در فصل پنجم، تكنيك‌‌های مورد استفاده در فصل قبل مقايسه مي گردد.

 

 

 

 

 

 

 

فهرست مطالب

فصل اول: 

1-مقدمه    1

1-1ضرورت و اهمیت پیش بینی قیمت طلا    2

1-2-هدف پایان نامه    6
1-3- مراحل انجام تحقیق    7
1-4 - ساختار پايان نامه    7

 

فصل دوم: 2- ادبيات موضوع و مباني نظري تحقيق    10
2-1-مقدمه    10
2-2-رويكرد ماشين و داده كاوي    10
2-3-فرايند داده كاوي    13
2-4-ابزارها و تكنيك‌‌های داده كاوي    15
2-5-روش‌‌های داده كاوي    16
2-5-1- روش‌‌های توصيف داده ها    17
2-5-2-درخت تصميم    17
2-5-3-شبكه عصبي    18
2-5-4-تشخيص آنومالي    19
2-5-5-روش‌های سری زمانی    19
2-5-6-روش‌های رگرسیون خطی    20
2-6-خلاصه فصل    21

 

 


فصل سوم: 3-بررسی عوامل موثر بر پیش بینی قیمت طلا    23

3-1-مقدمه    23
3-2- مجموع عوامل تاثیر گذار بر قیمت طلا    23
3-2-1-شاخص بهای مصرف کننده (CPI)    24
3-2-2-SPDR    25
3-2-3-تعهدات باز (OPEN INTEREST)    26
3-2-4-هرج و مرج و جنگ در کشور‌های تولید کننده نفت    27
3-2-5-شاخص دلار آمریکا    28
3-2-6-فروش رسمی    29
3-2-7-USGDP:تولید ناخالص داخلی ایالت متحده    30
3-2-8-قیمت مسکن    30
3-2-9-ذخائر نفت ایالت متحده    30
3-2-10-نرخ مبادله دلار /یورو    31
3-2-11هزینه مصرف خصوصی    32
3-2-12-هزینه مصرفی دولت و سرمایه ناخالص    34
3-2-13-صادرات کالا و خدمات    36
3-2-14-واردات کالا و خدمات    36
3-2-15-افزایش هزینه‌ی نیروی کار    37
3-2-16-افزایش تقاضای طلای هند و چین    37
3-2-17-بحران‌های اقتصادی آمریکا و بدتر شدن وضعیت اقتصادی جهان    38
3-2-18تورم ناشی از به‌کارگیری سیاست‌های انبساطی پولی بانک‌های مرکزی    39
3-2-19-بحران بدهی دولت آمریکا و کشورهای منطقه‌ی یورو و ژاپن    40
3-2-20-ورود بانک مرکزی کشورها به بازار طلا    41
3-2- 21-کاهش نرخ بهره بانکي    42
3-2-22- صندوق بين‌المللي پول و فروش طلا    42
3-2-23-تغییر ارزش دلار نسبت به نرخ سایر ارزها(اندیس دلار)    45
3-2-24-اعیاد و مناسبت ها    45
3-2-25- رشد نقدینگی    46
3-2-25-1-تزريق در آمد‌‌های ارزي حاصل از فروش نفت به جامعه    47
3-2-25-2-  افزايش نقدينگي توسط بانك مركزي    47
3-2-25-3-اعتبارات و پرداخت‌‌های بانك مركزي و سيستم بانكي    48
3-2-25-4- استقراض بيش از حد دولت از بانك مركزي    48
3-2-25-5- سياست‌‌های پولي  انبساطي    49
3-2-25-6-  كسري بودجه دولت    49
3-2-26-شاخص در آمد کل    49
3-2-27-قیمت مس    51
3-3-مروری بر تحقیقات انجام شده    51
3-4-خلاصه فصل    65

 

 


فصل چهارم: 4- ارائه روش پيشنهادي    67
4-1-مقدمه    67
4-2- معرفی روش پیشنهادی    67
4-3- ارزيابي روش پيشنهادي    68
4-4- انتخاب نرم افزار    68
4-5-مشخصه‌های  جمع اوری شده در پژوهش    70
4-6-جدول مربوط به مشخصه‌های جمع آوری شده در پژوهش‌های پیشین     73
4-7-ضریب همبستگی    75
4-8-داده‌های دور افتاده    79
4-9-تکنیک‌های مورد استفاده    80
4-10-پیش بینی با استفاده از شبکه‌های عصبی    81
4-10-1-پیش بینی با استفاده از شبکه‌های عصبی متد MLP    81
4-10-2-پیش بینی با استفاده روش شبکه‌های عصبی مدل RBF    86
4-11پیش بینی با استفاده از روش رگرسیون    91
4-11-1- پیش بینی با استفاده از روش رگرسیون،روش ورود متغیر  Enter    92
4-11-2-پیش بینی با روش رگرسیون با استفاده از روش ورود متغیر Stepwise    94
4-12-پیش بینی با استفاده از روش سری‌های زمانی   ARIMA    97
4-12-1-محاسبات مربوط به ساختن مدل ARIMA با بررسی عوامل عنوان شده در  پژوهش    97
4-12-2-محاسبات مربوط به ساختن مدل ARIMA با بررسی عوامل پیشین    100
4-2- مقايسه نتايج    103
4-13-خلاصه فصل    104

 

 

فصل پنجم مقایسه و نتیجه گیری    107
5-1- جمع بندي مطالب    107
5-2-نتیجه گیری    107
5-3-پیشنهاداتی برای مطالعات آینده    108
فهرست منابع فارسی    109
فهرست منابع انگلیسی    111

 

 



فهرست مطالب
جدول 4-1-مشخصه‌های جمع آوری شده در مدل    53
جدول4-2- مشخصه‌های جمع آوری شده در پژوهش‌های پیشین    55
جدول 4-3-مشخصه‌های جمع آوری شده به صورت روزانه در مدل    55
جدول 4-4-مشخصه‌های جمع آوری شده به صورت ماهیانه در مدل    55
جدول 4-5-مشخصه‌های جمع آوری شده به صورت سالیانه در مدل    56
جدول 4-6-ضرایب همبستگی مربوط به عوامل بررسی شده در مدل    57
جدول 4-7-دقت پیش بینی با استفاده از شبکه عصبی متد MLP    62
جدول4-8-مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل MLP با بررسی عوامل عنوان شده در پژوهش    63
جدول 4-9- مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل MLP با بررسی عوامل پیشین    63
جدول 4-10-دقت پیش بینی با روش شبکه‌های عصبی مدل RBF    67
جدول4-11-مقادیر خطای به دست آمده با استفاده از شبکه عصبی مدل RBF با بررسی عوامل عنوان شده در پژوهش    67
جدول4-13-مقادیر خطای به دست آمده با استفاده از روش رگرسیون  مدل Enter با بررسی عوامل عنوان شده در پژوهش    71
جدول4-14-مقادیر خطای به دست آمده با استفاده از روش رگرسیون  مدل Enter با بررسی عوامل پیشین    71
جدول 4-15-مقادیر خطای به دست آمده با استفاده از روش رگرسیون متد Stepwise با بررسی عوامل عنوان شده در پژوهش    73
جدول 4-16- مقادیر خطای به دست آمده با استفاده از روش رگرسیون متد Stepwise   با بررسی عوامل پیشین    74
جدول 4-17- مقادیر خطای به دست آمده با استفاده از روش سری زمانی مدل اریما  با بررسی عوامل عنوان شده در پژوهش    76
جدول 4-18- پارامترهای مدل اریما با بررسی عوامل بررسی شده در پژوهش    76
جدول 4-19- مقادیر خطای به دست آمده با استفاده از روش سری زمانی مدل اریما  با بررسی عوامل پیشین    78
جدول 4-20- پارامترهای مدل اریما با بررسی عوامل پیشین    78
جدول 4-21-جدول مقایسه نتایج تکنیک‌های داده کاوی با بررسی عوامل عنوان شده در پژوهش    79
جدول 4-22-جدول مقایسه نتایج تکنیک‌های داده کاوی با بررسی عوامل پیشین    79
جدول 4-23-جدول مربوط به بهبود دقت پیش بینی نسبت به عوامل بررسی شده پیشین    79

 

 

 


فهرست مطالب
شكل 4-1- صفحه اول نرم افزار كلمنتاين نسخه 12    52
شکل 4-2-شمای کلی از نرم افزار Minitab 16 در پیدا کردن داده‌های دور افتاده    60
شکل 4-3- اولويت بندي فيلدهاي منتخب توسط الگوريتم شبکه عصبی MLP    63
شکل 4-4-نمای پرسپترون سه لایه با اتصالاتش    65
شکل4-5- سطح تابع انتقال گوسین در هر واحد شبکه RBF    66
شکل 4-6- اولويت بندي فيلدهاي منتخب توسط الگوريتم شبکه عصبی متد RBF    68
شکل 4-7-نمای RBF  سه لایه با اتصالاتش    69
شکل 4-8- اولويت بندي فيلدهاي منتخب توسط روش رگرسیون با  استفاده از روش ورود متغیر  enter    70
شکل 4-9-معادله رگرسیون به دست آمده برای پیش بینی قیمت طلا با متد Enter    71
شکل 4-10-اولويت بندي فيلدهاي منتخب توسط روش رگرسیون با  استفاده از روش ورود متغیر  Stepwise    72
شکل 4-11-معادله رگرسیون به دست آمده برای پیش بینی قیمت طلا با متد Stepwise    73
شکل 4-12-نمودارتابع خودهمبستگی تفاضل گیری شده با بررسی عوامل عنوان شده در پژوهش    75
شکل 4-13-نمودارتابع خودهمبستگی جزئی تفاضل گیری شده با بررسی عوامل عنوان شده در پژوهش    75
شکل 4-14-نمودارتابع خودهمبستگی تفاضل گیری شده با بررسی عوامل پیشین    77
شکل4-15-نمودارتابع خودهمبستگی جزیی تفاضل گیری شده با بررسی عوامل پیشین    77