مقاله درمورد ، کاوی، روش‌‌های، تکنیک‌‌های، طلا، داده‌‌های، رگرسیون، الگوریتم‌‌های

جای یک تحلیل گر داده انجام می دهد. برای مشتری مهم است که اعمال مورد نیاز برای استفاده از مدل‌‌های تولید شده را تشخیص دهد.
2-4-ابزارها و تکنیک‌‌های داده کاوی

طبق ) (Bolton &howd 2012با توجه به تنوع، حجم و نوع داده ها روش‌‌های آماری زیادی برای پیش بینی قیمت طلا وجود دارد. این روش ها می تواند با ناظر یا بدون ناظر باشد. برای انجام فعالیت هایی که در هر فاز داده کاوی باید انجام شود از ابزارها و تکنیک‌‌های گوناگونی چون الگوریتم‌‌های پایگاه داده تکنیک‌‌های هوش مصنوعی، روش‌‌های آماری، ابزارهای گرافیک، کامپیوتری و مصور سازی استفاده می شود. هرچند داده کاوی لزوما به حجم داده زیادی به عنوان ورودی نیاز ندارد. ولی امکان دارد در یک فرایند داده کاوی حجم داده زیادی وجود داشته باشد.
در اینجاست که از تکنیک ها و ابزارهای پایگاه داده مثل نرمال سازی وتشخیص و تصمیم به خطا و تبدیل داده ها به خصوص در فازهای شناخت داده و آماده سازی داده ها استفاده می شود. همچنین تقریبا در اکثر فرایندهای داده کاوی از مفاهیم روش ها و تکنیک‌‌های آماری مثل روش‌های میانگین گیری (ماهیانه، سالیانه و…) روش‌‌های محاسبه واریانس و انحراف معیار و تکنیک‌‌های محاسبه احتمال بهره برداریهای فراوانی می شود.
یکی دیگر از شاخه‌‌های علمی که به کمک داده کاوی آمده است هوش مصنوعی می باشد. می توان گفت تکنیک‌‌های هوش مصنوعی به طور گسترده ای در فرایند داده کاوی به کار می رود. به طوری که بعضی از آمارگران داده کاوی را به عنوان هوش آماری مصنوعی معرفی می کنند. و قابلیت یادگیری بزرگترین فایده هوش مصنوعی است که به طور گسترده ای در داده کاوی استفاده می شود. تکنیک‌‌های هوش مصنوعی که در داده کاوی بسیار زیاد مورد استفاده قرار می گیرند عبارتند از شبکه‌‌های عصبی، روش‌‌های تشخیص الگوی یادگیری ماشین و الگوریتم ژنتیک و نهایتاً تکنیک ها و ابزارهای گرافیک کامپیوتری و مصور سازی به شدت در داده کاوی به کار گرفته می شود. و به کمک آنها می توان داده‌‌های چند بعدی را به گونه ای نمایش داد که تجزیه و تحلیل نتایج برای انسان ها به راحتی امکان پذیر باشد.
2-5-روش‌‌های داده کاوی هرچند که نرم افزارهای مورد استفاده در داده کاوی به شدت خودکار شده اند اما هنوز نیاز به هدایت کاربران در این نرم افزار ها وجود دارد یکی از این نیازها روشی است که در الگوریتم‌‌های داده کاوی مورد استفاده قرار می گیرد. این روش ها به 6 دسته کلی تقسیم بندی می شود که عبارتند از روش‌‌های توصیف داده ها، روش‌‌های تجزیه و تحلیل وابستگی، روش‌‌های دسته بندی و پیش گویی، روش‌‌های خوشه بندی، روش‌‌های تجزیه و تحلیل نویز و روش‌‌های تجزیه و تحلیل تحول در این بخش همزمان با تشریح این روش ها بعضی از الگوریتم‌‌های پر کاربرد مرتبط با این روش ها نیز بیان شده اند.
2-5-1- روش‌‌های توصیف داده ها هدف این روش ها ارائه یک توصیف کلی از داده هاست که معمولا به شکل مختصر ارائه می شود. هرچند توصیف داده ها یکی از روش‌‌های داده کاوی است ولی معمولا هدف اصلی نیست و اغلب از این روش ها برای تجزیه و تحلیل نیازهای اولیه و شناخت طبیعت داده ها و پیدا کردن خصوصیات ذاتی داده ها یا برای ارائه نتایج داده کاوی استفاده می شود.(Sirikulvad 2002).2-5-2-درخت تصمیم از ابزارهای داده کاوی است که در رده بندی داده‌‌های کیفی استفاده می شود در درخت تصمیم درخت کلی به وسیله خرد کردن داده ها به گره هایی ساخته می شود که مقادیری از متغیر ها را در خود جای می دهند.
با ایجاد درخت تصمیم براساس داده‌‌های پیشین که داده آنها معلوم است می توان داده‌‌های جدید را دسته بندی کرد. روش درخت تصمیم به طور کلی برای دسته بندی استفاده می شود زیرا یک ساختار سلسله مراتبی ساده برای فهم کاربر و تصمیم گیری است. الگوریتم‌‌های داده کاوی گوناگونی برای دسته بندی مبتنی بر شبکه‌‌های عصبی مصنوعی، قوانین نزدیک ترین همسایگی و دسته بندی بیزین در دسترس است.یکی از ساده ترین تکنیک ها از انواع درخت تصمیم می توان نوعcart – c5 – c4.5 را نام برد.(Potil 2012).2-5-3-شبکه عصبی روشی بسیار پرکاربرد دیگر در پیش گویی نتایج استفاده از شبکه‌‌های عصبی می باشد. شبکه عصبی مدل داده شده ای است که بر مبنای عملکرد مغز انسان کار می کند اساس کار این شبکه شبیه سازی تعداد زیادی واحد پردازش کوچک است که با هم در ارتباط هستند. به هر یک از این واحد ها یک نرون گفته می شود. نرون ها به صورت لایه لایه قرار دارند در یک شبکه عصبی معمولا سه لایه وجود دارد اولین لایه، لایه ی ورودی دومین لایه ی نهان و سومین لایه، لایه خروجی است.
لایه نهان می تواند متشکل از یک لایه یا بیشتر باشد. اما ما در این مطالعه معماری سه لایه را اتخاذ کردیم.
بعضی از داده ها که به طور بارز و مشخصی از داده‌‌های دیگر متمایز هستند اصطلاحا به عنوان داده خطا یا پرت شناخته می شود. که باید قبل از ورود به فاز مدلسازی و در فاز آماده سازی داده‌ها برطرف شود.
2-5-4-تشخیص آنومالی یکی از روش‌‌های متداول تجزیه و تحلیل نویز تشخیص آنومالی است که برای شناسایی داده‌‌های دور افتاده با موارد غیرعادی به کار می رود. برخلاف سایر روش ها که قواعدی را برای شناسایی موارد غیرعادی به کار می گرفتند این روش اطلاعاتی در مورد اینکه رفتار نرمال چگونه است نگهداری می کنند بنابراین مواردی که با هیچ یک از الگوهای شناخته شده همخوانی نداشته باشد به عنوان موارد غیرعادی معرفی می شود(Clementine 2007)..
مزیت استفاده از این روش این است که حتی اگر هیچ الگوی شناخته شده ای در داده ها تشویق نشود می توانیم از موارد آنومالی کشف شده استفاده کنیم.
2-5-5-روش‌های سری زمانی در هر علم، به آمار جمع آوری شده مربوط به متغیری که قرار است پیش‌بینی شود و در دوره‌های زمانی گذشته موجود است، اصطلاحا سری زمانی می‌گویند. منظور از یک سری زمانی مجموعه‌ای از داده‌های آماری است که در فواصل زمانی مساوی و منظمی جمع‌آوری شده باشند. روش‌های آماری که این گونه داده‌های آماری را مورد استفاده قرار می‌هد روش‌های تحلیل سری‌های زمانی نامیده می‌شود. یک سری زمانی مجموعه‌ی مشاهداتی ست که بر اساس زمان مرتب شده باشند.( نیرومند 1390).
2-5-6-روش‌های رگرسیون خطی رگرسیون در لغت به معنای بازگشت، به مراحل قبلی در یک مسیر تحول و توسعه است. تحلیل رگرسیون در واقع بدنه اصلی مطالعات اقتصادسنجی را تشکیل می‌دهد و به طور کلی درباره مدلهای رگرسیون و نحوه برآورد آنها بحث می‌کند.
تحلیل رگرسیونی یا تحلیل وایازشی فن و تکنیکی آماری برای بررسی و مدل‌سازی ارتباط بین متغیرها است. رگرسیون تقریباً در هر زمینه‌ای از جمله مهندسی، فیزیک، اقتصاد، مدیریت، علوم زیستی، بیولوژی و علوم اجتماعی برای برآورد و پیش‌بینی مورد نیاز است.
تحلیل رگرسیونی، یکی از پرکاربردترین روشها در بین تکنیک‌های آماری است.
(درخشان1385).
2-6-خلاصه فصلدر این فصل، انواع روش‌های پیش بینی قیمت طلا، از دیدگاه‌‌های مختلف تعریف گردید، الزامات و اقدامات مورد نیاز برای پیاده سازی پیش بینی قیمت طلا وهمچنین اهمیت، کاربردها، مراحل و تکنیک‌‌های موثر داده کاوی در این زمینه بیان گشت. در ادامه با بررسی روش‌های موجود پیش بینی قیمت طلا توسط تکنیک‌های داده کاوی با بررسی عوامل موثر، روشی تکمیل شده و بهبود یافته نسبت به روش‌های معرفی شده، ارائه خواهد شد.

فصل سوم3-بررسی عوامل موثر بر پیش بینی قیمت طلا3-1-مقدمه در این فصل، کلیه عوامل موثر بر پیش بینی قیمت طلای ایران مورد بررسی قرار گرفته و نقش هر کدام از عوامل موثر بر کاهش یا افزایش قیمت طلا مورد مطالعه قرار می‌گیرد.
3-2- مجموع عوامل تاثیر گذار بر قیمت طلا مجموعه عومل تاثیر گذار بر قمت طلا در این فصل به صورت کلی عبارتند از: شاخص بهای مصرف کننده (CPI)، SPDR، تعهدات باز، هرج و مرج و جنگ در کشور‌های تولید کننده نفت، شاخص دلار آمریکا، فروش رسمی، تولید ناخالص داخلی ایالت متحده، تولید ناخالص داخلی حوزه اروپا، ذخائر نفت ایالت متحده، نرخ مبادله دلار /یورو، هزینه مصرف خصوصی، هزینه مصرفی دولت و سرمایه ناخالص، صادرات کالا و خدمات، واردات کالا و خدمات، افزایش هزینه‌ی نیروی کار، افزایش تقاضای طلای هند و چین، بحران‌های اقتصادی آمریکا و بدتر شدن وضعیت اقتصادی جهان، تورم ناشی از به‌کارگیری سیاست‌های انبساطی پولی بانک‌های مرکزی، بحران بدهی دولت آمریکا و کشورهای منطقه‌ی یورو و ژاپن، ورود بانک مرکزی کشورها به بازار طلا، کاهش نرخ بهره بانکی،  صندوق بین‌المللی پول و فروش طلا، تغییر ارزش دلار نسبت به نرخ سایر ارزها(اندیس دلار)، اعیاد و مناسبت ها، رشد نقدینگی، پایه پولی، تزریق در آمد‌‌های class=’link’>7

متن کامل در سایت homatez.com