طلا یک کالای استراتژیک است و عوامل زیادی بر قیمت آن تاثیر می گذارد. از طرفی روش شبکه عصبی توانایی خاصی در برآورد روند و پیش بینی نوسانات قیمت طلا دارد و روش رگرسیون سوئیچینگ نیز توانایی در شناسایی شوک ها و سال های تغییر رژیم های نوسانات در سطح پر نوسان و کم نوسان دارد. این تحقیق به طور جداگانه بر بررسی هر یک و پیاده سازی این روش ها در داده های نوسانات قیمت طلا می پردازیم.
روش تحقیق: در این پژوهش با شناسایی عوامل موثر بر نوسان های قیمت طلا برای دوره 1390-1359 الگوی متناسب با این نوسان ها مدل سازی می شود. برای مدل سازی از دو روش غیر خطی شبکه عصبی و مدل رگرسیون چرخشی مارکف استفاده شده است. هدف مدل سازی در این مطالعه مقایسه دو روش نیست بلکه با یاری جستن از دو مدل سعی در برازش بهتر و پیش بینی بهتر مدل ها می باشد. هر یک از این دو روش توانایی خاصی در قسمتی از فرآیند مدل سازی دارند.
شبکه عصبی به کار گرفته شده در این پژوهش حاوی 2 لایه پنهان و رگرسیون چرخشی نیز دارای 2 رژیم می باشد. نتایج حاکی از آن است که روش شبکه عصبی به خوبی توانسته نوسانات قیمت طلا را پیش بینی کند و روش رگرسیون چرخشی سال های چرخش و شوک را شناسایی نموده و تشخیص داده شده که در ایران مدتی که بازار طلا در حالت کم نوسان است، بیشتر از حالت پر نوسان است. نتایج نشان می دهد از میان عوامل موثر بر قیمت طلا در مدل شبکه عصبی متغیر نرخ ارز و قیمت جهانی طلا بیشترین تاثیر را دارد و در مدل چرخشی مارکف متغیر قیمت نفت و پس از آن CPIدارای بالاترین اهمیت و درجه تاثیر گذاری بر قیمت طلا می باشد.
