استخدام الشبكات العصبية ذات دوال الأساس الشّعاعي للتنبؤ بأسعار الذهب العالمية : دراسة تطبيقية 2000-2020

Abstract

الملخص: تهدف هذه الدراسة إلى التنبؤ بأسعار الذهب العالمية باستخدام نموذج الشبكة العصبية دالة الأساس الشّعاعي (RBFNN) باستعمال البيانات الشهرية للفترة الزمنية الممتدة من 2000 إلى 2020، ومقارنتها بالنموذج الإحصائي التقليدي لـ ARIMA_GARCH ونموذج MLPNN ونوعين من النماذج الهجينة: نموذج (Zhang, 2003) ARIMA-RBFNN والنموذج الهجين المعمم ARIMA-RBFNN (Khashei & Bijary ,2011) . من أجل تقييم أداء النماذج تم استخدام جذر متوسط مربع الأخطاء ( RMSE ) .تظهر النتائج أن نموذج RBFNN يتفوق على كل من نموذج ARIMA_GARCH ونموذج MLPNN والنموذجين الهجينين. Abstract : This study aims to forecast the gold prices using Radial Basic Function Neural Network (RBFNN) model, using monthly data for the time period from 2000 to 2020.Besides this, Autoregressive Integrated Moving Average (ARIMA GARCH), Multi-Layer Perception (MLPNN), and two types of hybrid models namely: Hybrid ARIMA-RBFNN (Zhang, 2003) and Generalized Hybrid ARIMA-RBFNN (Khashei and Bijary, 2011) are implemented. The performance of the models is measured using Root Mean Squared Error (RMSE). Results obtained using RBFNN, ARIMA-GARCH, MLPNN, and the two hybrid models are compared with each other. The results show that the RBFNN outperforms ARIMA-GARCH, MLPNN, and the two hybrid models.

Résumé: Cette étude avais pour objectif d’évaluer la qualité d’un modèle de prévision des cours mondiaux de l’or. Utilisant Le réseaux à fonction de base radiales (RBFNN), le modèle proposé a été testé à partir des données mensuelles pour la période 2000-2020 ; et les résultats obtenus furent comparées avec ceux du modèle ARIMA_GARCH, du modèle MLPNN, et des modèles hybrides ARIMA-RBFNN de Zhang (2003) et de Khashei & Bijary ( 2011). Pour évaluer les performances des modèles, racine de l'erreur quadratique moyenne (RMSE) a été utilisée. Les résultats ont montré que le modèle RBFNN offre des prévisions plus précises que les autres modèles.