۵۲/۱۴

۶۴/۱۱

۲۷/۱۴

۳۸/۱۴

SBC

۲۶/۱۱

۹۶/۱۱

۷۲/۱۴

۸۷/۱۱

۵۱/۱۴

۶۵/۱۴

مأخذ: محاسبات تحقیق
با توجه به بررسی‌های صورت گرفته، نتایج آماره‌های AIC و SBC نشان می‌دهد که بهترین مدل GARCH، مدل GARCH از مرتبه‌ی (۱و۰) می‌باشد.
پس از طی مراحل فوق، نااطمینانی نرخ ارز مدل‌بندی شده و به عنوان یک متغیر کمّی و مؤثر بر رشد اقتصادی، معرفی می‌شود.
نمودار انحراف استاندارد شرطی جملات اخلال معادله رفتاری متغیر نرخ ارز که معرّف متغیر نااطمینانی نرخ ارز می‌باشد به صورت شکل(۴-۱) است:
شکل ‏۴‑ ۱ نااطمینانی نرخ ارز
مأخذ: محاسبات تحقیق

معیارهای ارزیابی

در اینجا لازم است که پیش از به کارگیری روش شبکه عصبی مصنوعی، معیارهای ارزیابی آزمون، بیان شود. برای ارزیابی روش‌ مورد استفاده، می‌توان از معیارهایی همچون ضریب همبستگی®، ضریب تعیین()، جذر میانگین مربعات خطا(RMSE) و میانگین مربعات خطا(MSE) استفاده کرد:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

(‏۴‑ ۲)

(‏۴‑ ۳)

که مقدار مشاهده شده در دوره(سال) iام، مقدار محاسبه شده در همان دوره(سال)، N تعداد سال‌ها و میانگین مقادیر مشاهداتی می‌باشد. کم بودن مقدار RMSE و میانگین مربعات خطا و بالا بودن ضریب همبستگی می‌تواند دقت هر روش در مقایسه با روش دیگر را نشان دهد.

نتایج شبکه‌‌ی عصبی مصنوعی

شبکه‌ی عصبی مصنوعی بر اساس یادگیری روند موجود در بین متغیرهای مستقل حاضر در مدل که مقادیر متغیر وابسته را نتیجه داده‌اند، عمل می‌کند. لذا شبکه با توجه به رابطه‌ی موجود در داده‌های ورودی و خروجی شبکه، آموزش می‌بیند. پس از آموزش مناسب شبکه، می‌توان از شبکه آموزش دیده برای محاسبه‌ی مقادیر جدید و مشاهده نشده برای متغیر وابسته‌ی حاضر در مدل با لحاظ مقادیر جدید برای متغیرهای توضیحی، استفاده کرد.
همان‌طور که در فصل قبل بیان شد در ابتدا باید یک شبکه عصبی مناسب در نظر گرفته شود. برای این منظور بایستی به بررسی ورودی‌ها و خروجی‌های ضروری و تشکیل لایه‌ها و تعداد نرون‌های مورد نیاز در هر لایه، پرداخته شود. برای این منظور متغیرهای نااطمینانی نرخ ارز، تشکیل سرمایه ناخالص داخلی، نرخ رشد جمعیت و نرخ رشد رابطه‌ی مبادله‌ی بازرگانی به عنوان ورودی شبکه و رشد اقتصادی به عنوان خروجی مطلوب شبکه، بر اساس داده‌های سری زمانی به شبکه معرفی می‌شوند.

تقسیم بندی داده‌ها

داده‌های ورودی و خروجی به سه دسته‌ی آموزشی، آزمون و اعتبارسنجی تقسیم می‌شوند. تعداد داده‌ها در هر دسته توسط کاربر و با توجه به نتایج و اهداف تحقیق مشخص می‌شود. معمولاً حدود ۷۰ درصد داده‌ها برای آموزش شبکه، ۱۵ درصد برای آزمون شبکه و ۱۵ درصد دیگر برای اعتبار سنجی شبکه به کارگرفته می‌شوند.

طراحی شبکه

نرمال کردن داده‌ها

برای استفاده از شبکه‌ی ‌عصبی مصنوعی وارد کردن داده‌ها به صورت واقعی و خام باعث کاهش سرعت و دقت شبکه می‌شود. برای جلوگیری از چنین وضعیتی و به منظور یکسان‌سازی ارزش داده‌ها برای شبکه، داده‌ها را به صورت نرمال شده وارد می‌کنند. این عمل در واقع به معنی تغییر مقیاس داده‌ها(که دارای حداکثر مقدار b و حداقل مقدار a هستند) می‌باشد. لذا در این تحقیق تمامی داده‌های مورد استفاده قبل از معرفی به شبکه، نرمال می‌شوند.
تابع نرمال‌سازی بین[-n,n] :