پیشینه تحقیق روشهای موجود پیش بینی قیمت طلا توسط تکنیکهای داده کاوی وعوامل موثر بر پیش بینی قیمت طلا دارای ۴۸ صفحه می باشد فایل پیشینه تحقیق به صورت ورد word و قابل ویرایش می باشد. بلافاصله بعد از پرداخت و خرید لینک دنلود فایل نمایش داده می شود و قادر خواهید بود آن را دانلود و دریافت نمایید . ضمناً لینک دانلود فایل همان لحظه به آدرس ایمیل ثبت شده شما ارسال می گردد.
۱- روشهای موجود پیش بینی قیمت طلا توسط تکنیکهای داده کاوی ۵
۱-۱-مقدمه ۵
۱-۲-رویکرد ماشین و داده کاوی ۵
۱-۳-فرایند داده کاوی ۷
۱-۴-ابزارها و تکنیکهای داده کاوی ۸
۱-۵-روشهای داده کاوی ۹
۱-۵-۱- روشهای توصیف داده ها ۱۰
۱-۵-۲-درخت تصمیم ۱۰
۱-۵-۳-شبکه عصبی ۱۰
۱-۵-۴-تشخیص آنومالی ۱۱
۱-۵-۵-روشهای سری زمانی ۱۱
۱-۵-۶-روشهای رگرسیون خطی ۱۲
۱-۶-خلاصه ۱۲
۲-بررسی عوامل موثر بر پیش بینی قیمت طلا ۱۳
۲-۱-مقدمه ۱۳
۲-۲- مجموع عوامل تاثیر گذار بر قیمت طلا ۱۳
۳-۲-۱-شاخص بهای مصرف کننده (CPI) ۱۴
۲-۲-۲-SPDR ۱۴
۲-۲-۳-تعهدات باز (OPEN INTEREST) ۱۵
۲-۲-۴-هرج و مرج و جنگ در کشورهای تولید کننده نفت ۱۵
۲-۲-۵-شاخص دلار آمریکا ۱۶
۲-۲-۶-فروش رسمی ۱۷
۲-۲-۷-USGDP:تولید ناخالص داخلی ایالت متحده ۱۷
۲-۲-۸-قیمت مسکن ۱۷
۲-۲-۹-ذخائر نفت ایالت متحده ۱۸
۲-۲-۱۰-نرخ مبادله دلار /یورو ۱۸
۲-۲-۱۱هزینه مصرف خصوصی ۱۹
۲-۲-۱۲-هزینه مصرفی دولت و سرمایه ناخالص ۲۰
۲-۲-۱۳-صادرات کالا و خدمات ۲۱
۲-۲-۱۴-واردات کالا و خدمات ۲۱
۲-۲-۱۵-افزایش هزینهی نیروی کار ۲۲
۲-۲-۱۶-افزایش تقاضای طلای هند و چین ۲۲
۲-۲-۱۷-بحرانهای اقتصادی آمریکا و بدتر شدن وضعیت اقتصادی جهان ۲۲
۲-۲-۱۸تورم ناشی از بهکارگیری سیاستهای انبساطی پولی بانکهای مرکزی ۲۳
۲-۲-۱۹-بحران بدهی دولت آمریکا و کشورهای منطقهی یورو و ژاپن ۲۴
۲-۲-۲۰-ورود بانک مرکزی کشورها به بازار طلا ۲۴
۲-۲- ۲۱-کاهش نرخ بهره بانکی ۲۵
۲-۲-۲۲- صندوق بینالمللی پول و فروش طلا ۲۵
۲-۲-۲۳-تغییر ارزش دلار نسبت به نرخ سایر ارزها(اندیس دلار) ۲۷
۲-۲-۲۴-اعیاد و مناسبت ها ۲۷
۲-۲-۲۵- رشد نقدینگی ۲۷
۲-۲-۲۵-۱-تزریق در آمدهای ارزی حاصل از فروش نفت به جامعه ۲۸
۲-۲-۲۵-۲- افزایش نقدینگی توسط بانک مرکزی ۲۸
۲-۲-۲۵-۳-اعتبارات و پرداختهای بانک مرکزی و سیستم بانکی ۲۸
۲-۲-۲۵-۴- استقراض بیش از حد دولت از بانک مرکزی ۲۹
۲-۲-۲۵-۵- سیاستهای پولی انبساطی ۲۹
۲-۲-۲۵-۶- کسری بودجه دولت ۲۹
۲-۲-۲۶-شاخص در آمد کل ۲۹
۲-۲-۲۷-قیمت مس ۳۰
۳-۳-مروری بر تحقیقات انجام شده ۳۱
فهرست منابع ۴۱
منابع فارسی ۴۱
فهرست منابع انگلیسی ۴۲
هژبر کیانی،ک و حسنوند (۱۳۹۰).بررسی رشد صادرات و رشد اقتصادی،پژوهشنامه بازرگانی،شماره ۷،صفحات ۲۴-۱٫
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٫
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).
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٫
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.
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٫
هدف این فصل آشنایی با داده کاوی، فراگیری ماشین، فرایند داده کاوی ابزارها و تکنیکهای داده کاوی روشهای داده کاری و بررسی پژوهشی کارهای انجام شده در زمینه پیش بینی قیمت طلا است.
عصر حاضر،عصر انفجاراطلاعات است. اطلاعات فراوانی در قالب پایگاههای داده ذخیره شده است که تبدیل آن ها به دانش با استفاده از ابزارهای جدید و فرآیند تحلیل، تفسیر داده ها و نتیجه گیری را تسهیل می نماید به منظور تسهیل فرآیندتصمیم گیری، سیستم ها باید به دانش لازم و قابلیت تصمیم گیری براساس داده ها تجهیز شوند جهت دستیابی به این هدف محققان به ارائه ایدههای جدید از فراگیری ماشین پرداخته اند، با توجه به این ایده ها وظیفه فراگیری ماشین، تبدیل داده ها (ورودی) به دانش (خروجی) خواهد بود. همچنین براساس این ایده ها ضرورت پیدایش یک حوزه تحقیقاتی جدید که داده کاوی نام گرفته به وجود آمده است. (Michalski et al 1998).
به عنوان یک ابزار تحلیل داده و اهداف داده کاوی برای آشکار کردن روندها یا الگوهایی که تاکنون ناشناخته بودند یا بنا کردن روابطی در مجموعههای داده بزرگ برای کمک به تصمیم گیرندگان برای گرفتن تصمیمات بهتر است که این هدف را به وسیله به کارگیری روشهای آماری همچون تحلیل لجستیک و خوشه بندی و همچنین با استفاده از روشهای تحلیل داده به دست آمده از رشتههای دیگر همچون شبکههای عصبی در هوش مصنوعی و درختان تصمیم در یادگیری ماشین انجام می دهند.(Kotl &Gervaise 2008)
داده و اطلاعات یا دانش، یک نقش قابل توجه در فعالیتهای انسان دارد. داده کاوی فرایند کشف دانش توسط تحلیل حجم عظیمی از داده از منابع مختلف و تبدیل آن به اطلاعات مفید است به علت اهمیت استخراج دانش و اطلاعات از پایگاه دادههای عظیم داده کاوی یک مولفه اساسی در زمینههای گوناگون زندگی بشر شامل کسب و کار تحصیلات، پزشکی، علم و… شده است.
کشف دانش در پایگاه داده ها اغلب داده کاوی نامیده می شوند که به هدف کشف اطلاعات مفید از مجموعههای داده است. برنامههای کاربردی داده کاوی مختلفی به طور موفقیت آمیز در حوزههای مختلفی همچون خدمات درمانی، امور مالی، خرده فروشی، کشف تقلب، و تحلیل ریسک و…. پیاده سازی شده است.(Goel et al 2012).
به این علت که ابزارهای داده کاوی روندها و رفتارهای آینده را توسط رصد پایگاه داده ها برای الگوهای نهان پیش بینی می کنند باعث می شوند که سازمان ها تصمیمات مبتنی بر دانش و فعالانه بگیرند و به سوالاتی که پیش از این حل آن ها بسیار زمان بر بود پاسخ دهند. (Ramamohan et al 2012).
داده کاوی یک ابزار مفید برای کاوش دانش از دادههای حجیم است روش ها و الگوهای متفاوت در دسترس در داده کاوی هستند. (Patic et al 2012).
داده کاوی یافتن اطلاعات با معانی خاص از یک تعداد زیادی از داده به وسیله بعضی از فناوری ها به عنوان رویه ای برای کشف دانش از پایگاه داده است. که گامهای آن شامل موارد زیر است :
.(Han & kumber 2001).
۱- پاکسازی داده ها : حذف داده نویز و ناسازگار
۲- یک پارچه سازی داده : ترکیب منابع داده ی گوناگون
۳- انتخاب داده :یافتن داده مرتبط با موضوع از پایگاه داده
۴- تبدیل داده : تبدیل داده به شکل مناسب برای کاوش
۵- داده کاوی : استخراج مدلهای داده با بهره گیری از تکنولوژی
۶- ارزیابی الگو : ارزیابی مدل هایی که واقعاً برای ارائه دانش مفید هستند.
۷- ارائه دانش : ارائه دانش بعد از کاوش به کاربران به وسیله استفاده از تکنولوژی همچون ارائه بصری. (Lin &yeh 2012).
استانداردهای مختلفی برای انجام فرایندهای داده کاوی وجود دارد که معروف ترین استانداردهای مورد استفاده در این زمینه استاندارد Crisp-dm می باشد.
۱-تعریف مسئله(Business understanding)
تعریف مسئله شامل تعریف هدف مسئله،ارزیابی شرایط فعلی،تعریف اهداف داده کاوی وایجاد یک برنامه زمان بندی پروژه داده کاوی است.
۲-تحلیل داده ها(Data Understanding)
وقتی که هدف مسئله مشخص شد و برنامه ریزی پروژه انجام گرفت،گام تحلیل داده ها نیازمندیهای داده ای را مورد مطالعه قرار میدهد.این مرحله شامل تهیه مجموعه دادههای اولیه، توصیف داده ها،کنکاش در داده ها و ارزیابی کیفیت داده ها است.کنکاش داده ها شامل مشاهدهی پارامترهای آماری،می تواند در پایان این فاز نیز اتفاق بیفتد.مدلهایی مثل خوشه بندی (clustering)می تواند در طول این گام به منظور شناسایی الگوها در داده ها انجام گیرد.
۳-آماده سازی داده ها (Data Preparation)
زمانی که منابع در دسترس داده مشخص شدند،بایستی داده ها از آن انتخاب (Selecting)، پاک (Cleanin) و در قالب مورد نظر ریخته شوند.
همچنین کنکاش عمیق تر داده ها نیز در طول این فاز میتواند انجام گیرد.به علاوه ممکن است مدلهای دیگری نیز به کار روند تا بتوان الگوها را براساس تعریف مسئله استخراج کرد.
۴-مدل سازی(Modeling)
ابزارهای نرم افزاری داده کاوی همچون تصویر سازی (Visualization)و تحلیل خوشه بندی برای تحلیلهای اولیه مفید هستند.ابزارهایی مانند شناسایی قوانین عمومی میتواند قوانین همبستگی اولیه را استخراج کند.وقتی که فهم بیشتری از داده ها بوسیلهی شناسایی الگو که با توجه به خروجیهای مدلهای اولیه حاصل میشود،افزایش مییابد،مدلهای تخصصی تر بر حسب نوع داده میتواند مورد استفاده قرار بگیرد.
در این مرحله تقسیم بندی داده ها به مجموعه دادههای آموزشی و مجموعه دادههای آزمون لازم است.
۵-ارزیابی(Evaluation)
نتایج مدلهای استفاده شده در مراحل قبلی بایستی در بستر مسئله تعریف شده و اهداف تعریف شده در مراحل اولیه مورد ارزیابی قرار بگیرد.این کار منجر به شناسایی نیازهای بعدی خواهد شد.این نیازها اغلب شامل بازگشت به مراحل قبلی در فرایند CRISP-DMاست.تعریف مسئله در داده کاوی فرایند تکراری با بازگشت به عقب است که در آن نتایج اقدامات مدل سازی مختلف و تکرار آن ها روابط جدید بین داده ها را به کاربر نشان میدهد که باعث درک عمیق تر از مسئله برای کاربر خواهد شد.
ارسال نظر