عنوان المقالة:فاعلية الشبكات العصبية الاصطناعية في حل السلاسل الزمنية المالية Effectiveness of artificial neural networks in solving financial time series
أ.د. مروان عبد الحميد عاشور | proof. Marwan Abdul hameed Ashour | 13731
- نوع النشر
- مجلة علمية
- المؤلفون بالعربي
- الاستاذ الدكتور مروان عبد الحميد عاشور
- المؤلفون بالإنجليزي
- marwan abdul hameed ashour
- الملخص العربي
- يهدف هذا البحث إلى دراسة وتحليل أي نوع من الشبكات العصبية الاصطناعية (ANN) أكثر كفاءة وملاءمة في التعامل مع التباين غير المتجانس للسلسلة المالية. بصرف النظر عن معالجة سلوك وكفاءة ANN ، تهدف الورقة أيضًا إلى تقديم منهجية متقدمة لـ ANN ، كبديل لنماذج GARCH و ARCH في صانعي قرار إدارة الأزمات. تم تطبيق الجزء التطبيقي على سوق الصرف المصري لدراسة تقلبات أسعار صرف العملة المحلية (1/1 / 2009-4 / 6/2013) من أجل تطوير نموذج يصف تلك التغيرات في سعر الصرف. خلص البحث إلى أن أفضل نوع للشبكات لتمثيل مثل هذه السلاسل المالية هو Back Propagation. علاوة على ذلك ، فإن مقارنة النتيجة مع الانحدار العام والشبكات الاحتمالية جعلت الشكلين الأخيرين غير فعالين في التعامل مع مثل هذه السلسلة.
- الملخص الانجليزي
- This research aims to study and analyze which type of Artificial Neural Network (ANN) is more efficient and suitable in handling nonhomogenous variance for financial series. Apart from addressing the behavior and efficiency of ANN, the paper also aims to present an advanced methodology for ANN, as a replacement of GARCH and ARCH models in crisis management decision makers. The application part was applied to the Egyptian exchange market, to study the local currency exchange rate volatility (1/1/2009-4/6/2013) in order to develop a model describing those changes in the exchange rate. The research concludes that the best network type to represent such financial series is the Back Propagation. Moreover, comparing the result with general regression and probabilistic networks rendered the later two inefficient at handling such series.
- تاريخ النشر
- 04/04/2018
- الناشر
- International Journal of Engineering & Technology
- رقم المجلد
- رقم العدد
- رابط DOI
- 10.14419/ijet.v7i4.11.20783
- الكلمات المفتاحية
- Back propagation; general regression network; GARCH model; Heteroscedastic variance financial series; neural network