یوسف ناجی

هدف پژوهش حاضر مدل سازی ریاضی پیش بینی قیمت سنگ آهن و محصولات جانبی آن بود. تحقیق حاضر از نظر هدف کاربردی و از جنبه داده ها پیمایشی است. اصلی ترین روش های جمع آوری داده ها در تحقیق حاضر، روش کتابخانه ای است قیمت روزانه نفت ایران از طریق مراجعه به پایگاه اینترنتی سازمان کشورهای صادرکننده نفت با نام اختصاری اوپک حاصل گردید. قیمت روزانه سهام سنگ آهن از طریق پایگاه اینترنتی بورس کالا و قیمت سکه بهار آزادی و نرخ دلار از طریق بانک مرکزی ایران استخراج گردید. شاخص ها ابتدا از مطالعات کتابخانه ای استخراج شدند در این تحقیق جامعه آماری شامل قیمت روزانه سهام سنگ آهن به مدت 2.058 روز کاری است. نظر به اینکه نوسانات شدید قیمت سهام پیش بینی را تحت تأثیر خود قرار خواهد داد؛ بنابراین نمونه آماری مورد استفاده در این تحقیق قیمت های روزانه سهام سنگ آهن در بازه زمانی ورود شرکت ها به بورس کالا از تاریخ 01/01/1395 الی 29/12/1401 را در بر می گیرد. برای پیش بینی های صورت گرفته به وسیله شبکه عصبی از نرم افزارهای Eviews، Python و Matlab استفاده شد. بر اساس یافته های مطالعات انجام شده 12 متغیر به عنوان متغیرهای پیش بین جهت طراحی مدل پیش بینی استخراج گردید. نتایج دیمتل نشان 7 عامل قیمت سایر عرضه کنندگان، اثر فصلی ثبت سفارش، قیمت های دوره های گذشته، نرخ تعرفه دولتی، نرخ ارز، قیمت نفت و قیمت جهانی سنگ آهن اثرگذارترین عوامل بودند. رویکرد فازی عصبی انطباقی که یکی از رویکردهای مهم برای مقایسه میزان اثرگذاری عوامل مختلف می باشد. نتایج نشان داد نرخ ارز دارای بیشترین تکرار در بین متغیرهای هفت گانه موجود می باشد و پس از آن قیمت جهانی سنگ آهن قرار دارد. پس از آن متغیر اثر فصلی ثبت سفارش و متغیرهای نرخ تعرفه دولتی و قیمت نفت پس از آن قرار دارد. کم تکرارترین متغیر قیمت دوره های گذشته می باشد که صرفاً یک بار در جایگشت ها به برتری رسیده است.