توضیحات
The purpose of this thesis is to examine the contribution made by machine learning techniques on exchange rate forecasting. Such contributions are facilitated and enhanced by the use of fundamental economic variables, technical indicators and business and consumer survey variables as inputs in the forecasting models selected. This research has been organized in a compendium of four articles. The aim of each of these four articles is to contribute to advance our knowledge on the effects and means by which the use of fundamental economic variables, technical indicators, business and consumer surveys, and a models free-parameters selection is capable of improving exchange rate predictions. Through the use of a non-linear forecasting technique, one research paper examines the effect of fundamental economic variables and a models parameters selection on exchange rate forecasts, whereas the other three articles concentrate on the effect of technical indicators, a models parameters selection and business and consumer surveys variables on exchange rate forecasting.
The first paper of this thesis has the objective of examining fundamental economic variables and a forecasting models parameters in an effort to understand the possible advantages or disadvantages these variables may bring to the exchange rate predictions in terms of forecasting performance and accuracy. The second paper of this thesis analyses how the combination of moving averages, business and consumer surveys and a forecasting models parameters improves exchange rate predictions. Compared to the first paper, this second paper adds moving averages and business and consumer surveys variables as inputs to the forecasting model, and disregards the use of fundamental economic variables. One of the goals of this paper is to determine the possible effects of business and consumer surveys on exchange rates.
The third paper of this thesis has the same objectives as the second paper, but its analysis is expanded by taking into account the exchange rates of 7 countries. The fourth paper in this thesis takes a similar approach as the second and third papers, but makes use of a single technical indicator. In general, this thesis focuses on the improvement of exchange rate predictions through the use of support vector machines. A combination of variables and a models parameters selection enhances the way to achieve this purpose.
————————————————————–
ترجمه ماشینی :
هدف این پایان نامه بررسی سهم تکنیک های یادگیری ماشین در پیش بینی نرخ ارز است. چنین مشارکت هایی با استفاده از متغیرهای اقتصادی اساسی، شاخص های فنی و متغیرهای نظرسنجی کسب و کار و مصرف کننده به عنوان ورودی در مدل های پیش بینی انتخاب شده تسهیل و افزایش می یابد. این پژوهش در مجموعه ای مشتمل بر چهار مقاله تنظیم شده است. هدف هر یک از این چهار مقاله کمک به ارتقای دانش ما در مورد تأثیرات و ابزارهایی است که از طریق آنها استفاده از متغیرهای اساسی اقتصادی، شاخصهای فنی، نظرسنجیهای تجاری و مصرفکننده و انتخاب پارامترهای آزاد مدلها قادر به بهبود نرخ ارز است. پیش بینی ها با استفاده از تکنیک پیشبینی غیرخطی، یک مقاله پژوهشی تأثیر متغیرهای اقتصادی بنیادی و انتخاب پارامترهای مدل را بر پیشبینی نرخ ارز بررسی میکند، در حالی که سه مقاله دیگر بر تأثیر شاخصهای فنی، انتخاب پارامترهای مدل و انتخاب تجاری تمرکز دارند. و متغیرهای نظرسنجی مصرف کننده در مورد پیش بینی نرخ ارز. اولین مقاله این پایان نامه با هدف بررسی متغیرهای اساسی اقتصادی و پارامترهای مدل های پیش بینی در تلاش برای درک مزایا یا معایب احتمالی این متغیرها برای پیش بینی نرخ ارز از نظر عملکرد و دقت پیش بینی است. مقاله دوم این پایان نامه تحلیل می کند که چگونه ترکیب میانگین های متحرک، نظرسنجی های تجاری و مصرف کننده و پارامترهای مدل های پیش بینی، پیش بینی نرخ ارز را بهبود می بخشد. در مقایسه با مقاله اول، این مقاله دوم میانگین های متحرک و متغیرهای نظرسنجی کسب و کار و مصرف کننده را به عنوان ورودی به مدل پیش بینی اضافه می کند و استفاده از متغیرهای اساسی اقتصادی را نادیده می گیرد. یکی از اهداف این مقاله تعیین اثرات احتمالی نظرسنجی های تجاری و مصرف کننده بر نرخ ارز است. مقاله سوم این پایان نامه اهدافی مشابه مقاله دوم دارد، اما تحلیل آن با در نظر گرفتن نرخ ارز 7 کشور گسترش یافته است. مقاله چهارم در این پایان نامه رویکردی مشابه مقاله دوم و سوم دارد، اما از یک شاخص فنی واحد استفاده می کند. به طور کلی، این پایان نامه بر بهبود پیش بینی نرخ ارز از طریق استفاده از ماشین های بردار پشتیبان تمرکز دارد. ترکیبی از متغیرها و انتخاب پارامترهای مدل، راه دستیابی به ا
tag : دانلود کتاب کمک به پیشبینی نرخ ارز بر اساس تکنیکهای یادگیری ماشین , Download کمک به پیشبینی نرخ ارز بر اساس تکنیکهای یادگیری ماشین , دانلود کمک به پیشبینی نرخ ارز بر اساس تکنیکهای یادگیری ماشین , Download A Contribution To Exchange Rate Forecasting Based On Machine Learning Techniques Book , کمک به پیشبینی نرخ ارز بر اساس تکنیکهای یادگیری ماشین دانلود , buy کمک به پیشبینی نرخ ارز بر اساس تکنیکهای یادگیری ماشین , خرید کتاب کمک به پیشبینی نرخ ارز بر اساس تکنیکهای یادگیری ماشین , دانلود کتاب A Contribution To Exchange Rate Forecasting Based On Machine Learning Techniques , کتاب A Contribution To Exchange Rate Forecasting Based On Machine Learning Techniques , دانلود A Contribution To Exchange Rate Forecasting Based On Machine Learning Techniques , خرید A Contribution To Exchange Rate Forecasting Based On Machine Learning Techniques , خرید کتاب A Contribution To Exchange Rate Forecasting Based On Machine Learning Techniques ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.