مقاله درمورد ، كاوي، روش‌‌های، تكنيك‌‌های، طلا، داده‌‌های، رگرسیون، الگوريتم‌‌های

جاي يك تحليل گر داده انجام مي دهد. براي مشتري مهم است كه اعمال مورد نياز براي استفاده از مدل‌‌های توليد شده را تشخيص دهد.
2-4-ابزارها و تكنيك‌‌های داده كاوي

طبق ) (Bolton &howd 2012با توجه به تنوع، حجم و نوع داده ها روش‌‌های آماري زيادي براي پيش بيني قيمت طلا وجود دارد. اين روش ها مي تواند با ناظر يا بدون ناظر باشد. براي انجام فعاليت هایي كه در هر فاز داده كاوي باید انجام شود از ابزارها و تكنيك‌‌های گوناگوني چون الگوريتم‌‌های پايگاه داده تكنيك‌‌های هوش مصنوعي، روش‌‌های آماري، ابزارهاي گرافيك، كامپيوتري و مصور سازي استفاده مي شود. هرچند داده كاوي لزوما به حجم داده زيادي به عنوان ورودي نياز ندارد. ولي امكان دارد در يك فرايند داده كاوي حجم داده زيادي وجود داشته باشد.
در اينجاست كه از تكنيك ها و ابزارهاي پايگاه داده مثل نرمال سازی وتشخيص و تصميم به خطا و تبديل داده ها به خصوص در فازهاي شناخت داده و آماده سازي داده ها استفاده مي شود. همچنين تقريبا در اكثر فرايندهاي داده كاوي از مفاهيم روش ها و تكنيك‌‌های آماري مثل روش‌هاي ميانگين گيري (ماهيانه، ساليانه و…) روش‌‌های محاسبه واريانس و انحراف معيار و تكنيك‌‌های محاسبه احتمال بهره برداريهاي فراواني مي شود.
يكي ديگر از شاخه‌‌های علمي كه به كمك داده كاوي آمده است هوش مصنوعي مي باشد. مي توان گفت تكنيك‌‌های هوش مصنوعي به طور گسترده اي در فرايند داده كاوي به كار مي رود. به طوري كه بعضي از آمارگران داده كاوي را به عنوان هوش آماري مصنوعي معرفي مي كنند. و قابليت يادگيري بزرگترين فايده هوش مصنوعي است كه به طور گسترده اي در داده كاوي استفاده مي شود. تكنيك‌‌های هوش مصنوعي كه در داده كاوي بسيار زياد مورد استفاده قرار مي گيرند عبارتند از شبكه‌‌های عصبي، روش‌‌های تشخيص الگوي يادگيري ماشين و الگوريتم ژنتيك و نهايتاً تكنيك ها و ابزارهاي گرافيك كامپيوتري و مصور سازي به شدت در داده كاوي به كار گرفته مي شود. و به كمك آنها مي توان داده‌‌های چند بعدي را به گونه اي نمايش داد كه تجزيه و تحليل نتايج براي انسان ها به راحتي امكان پذير باشد.
2-5-روش‌‌های داده كاوي هرچند كه نرم افزارهاي مورد استفاده در داده كاوي به شدت خودكار شده اند اما هنوز نياز به هدايت كاربران در اين نرم افزار ها وجود دارد يكي از اين نيازها روشي است كه در الگوريتم‌‌های داده كاوي مورد استفاده قرار مي گيرد. اين روش ها به 6 دسته كلي تقسيم بندي مي شود كه عبارتند از روش‌‌های توصيف داده ها، روش‌‌های تجزيه و تحليل وابستگي، روش‌‌های دسته بندي و پيش گويي، روش‌‌های خوشه بندي، روش‌‌های تجزيه و تحليل نويز و روش‌‌های تجزيه و تحليل تحول در اين بخش همزمان با تشريح اين روش ها بعضي از الگوريتم‌‌های پر كاربرد مرتبط با اين روش ها نيز بيان شده اند.
2-5-1- روش‌‌های توصيف داده ها هدف اين روش ها ارائه يك توصيف كلي از داده هاست كه معمولا به شكل مختصر ارائه مي شود. هرچند توصيف داده ها يكي از روش‌‌های داده كاوي است ولي معمولا هدف اصلي نيست و اغلب از اين روش ها براي تجزيه و تحليل نيازهاي اوليه و شناخت طبيعت داده ها و پيدا كردن خصوصيات ذاتي داده ها يا براي ارائه نتايج داده كاوي استفاده مي شود.(Sirikulvad 2002).2-5-2-درخت تصميم از ابزارهاي داده كاوي است كه در رده بندي داده‌‌های كيفي استفاده مي شود در درخت تصميم درخت كلي به وسيله خرد كردن داده ها به گره هایي ساخته مي شود كه مقاديري از متغير ها را در خود جاي مي دهند.
با ايجاد درخت تصميم براساس داده‌‌های پيشين كه داده آنها معلوم است مي توان داده‌‌های جديد را دسته بندي كرد. روش درخت تصميم به طور كلي براي دسته بندي استفاده مي شود زيرا يك ساختار سلسله مراتبي ساده براي فهم كاربر و تصميم گيري است. الگوريتم‌‌های داده كاوي گوناگوني براي دسته بندي مبتني بر شبكه‌‌های عصبي مصنوعي، قوانين نزديك ترين همسايگي و دسته بندي بيزين در دسترس است.يكي از ساده ترين تكنيك ها از انواع درخت تصميم مي توان نوعcart – c5 – c4.5 را نام برد.(Potil 2012).2-5-3-شبكه عصبي روشي بسيار پركاربرد ديگر در پيش گويي نتايج استفاده از شبكه‌‌های عصبي مي باشد. شبكه عصبي مدل داده شده اي است كه بر مبناي عملكرد مغز انسان كار مي كند اساس كار اين شبكه شبيه سازي تعداد زيادي واحد پردازش كوچك است كه با هم در ارتباط هستند. به هر يك از اين واحد ها يك نرون گفته مي شود. نرون ها به صورت لايه لايه قرار دارند در يك شبكه عصبي معمولا سه لايه وجود دارد اولين لايه، لايه ي ورودي دومين لايه ي نهان و سومين لايه، لايه خروجي است.
لايه نهان مي تواند متشكل از يك لايه يا بيشتر باشد. اما ما در اين مطالعه معماري سه لايه را اتخاذ كرديم.
بعضي از داده ها كه به طور بارز و مشخصي از داده‌‌های ديگر متمايز هستند اصطلاحا به عنوان داده خطا يا پرت شناخته مي شود. كه بايد قبل از ورود به فاز مدلسازي و در فاز آماده سازي داده‌ها برطرف شود.
2-5-4-تشخيص آنومالي يكي از روش‌‌های متداول تجزيه و تحليل نويز تشخيص آنومالي است كه براي شناسايي داده‌‌های دور افتاده با موارد غيرعادي به كار مي رود. برخلاف ساير روش ها كه قواعدي را براي شناسايي موارد غيرعادي به كار مي گرفتند اين روش اطلاعاتي در مورد اينكه رفتار نرمال چگونه است نگهداري مي كنند بنابراين مواردي كه با هيچ يك از الگوهاي شناخته شده همخواني نداشته باشد به عنوان موارد غيرعادي معرفي مي شود(Clementine 2007)..
مزيت استفاده از اين روش اين است كه حتي اگر هيچ الگوي شناخته شده اي در داده ها تشويق نشود مي توانيم از موارد آنومالي كشف شده استفاده كنيم.
2-5-5-روش‌های سری زمانی در هر علم، به آمار جمع آوری شده مربوط به متغیری كه قرار است پیش‌بینی شود و در دوره‌های زمانی گذشته موجود است، اصطلاحا سری زمانی می‌گویند. منظور از یك سری زمانی مجموعه‌ای از داده‌های آماری است كه در فواصل زمانی مساوی و منظمی جمع‌آوری شده باشند. روش‌های آماری كه 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 ديدگاه‌‌های مختلف تعريف گرديد، الزامات و اقدامات مورد نياز براي پياده سازي پیش بینی قیمت طلا وهمچنین اهميت، كاربردها، مراحل و تكنيك‌‌های موثر داده كاوي در اين زمينه بيان 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 بانکي،  صندوق بين‌المللي پول و فروش طلا، تغییر ارزش دلار نسبت به نرخ سایر ارزها(اندیس دلار)، اعیاد و مناسبت ها، رشد نقدینگی، پایه پولی، تزريق در آمد‌‌های class=’link’>7

متن کامل در سایت homatez.com