پژوهشگاه علوم انسانی و مطالعات فرهنگی اقتصاد و تجارت نوین 13 4 2019 02 20 Exchange Rate Forecasting using Recurrent Self-Organizing Maps پیش‌بینی نرخ ارز با استفاده از نقشه‌های خودسازمان‌ده بازگشتی 55 84 3888 FA ندا بیات استادیار گروه اقتصاد، دانشگاه آزاد اسلامی قزوین Journal Article 2018 06 22 Exchange rate is one of the most important variables in economics, which impacts many other macroeconomic variables in an economy.  Such changes are more important in developing countries, which are often exporters of raw materials. Exchange rate fluctuations in Iran is also critical since the country is highly dependent on foreign exchange earnings from oil exports and also subject to the severs sanctions imposed by the US in recent years. In this paper, we propose a forecasting model using recurrent self-organizing maps to forecast the exchange rates considering the factors affecting the exchange rate markets. In total, 12 selected variables are used in modeling the exchange rate, which includes the effective macro variables and the price index of competing markets, such as gold, stock exchange and housing. We also control for the effect of sanctions. The results show that the model produces relatively accurate forecasts of the exchange rates with a less than 3% error. تغییرات نرخ ارز در کشورهای درحال‌توسعه، که اغلب صادرکنندۀ مواد خام‌اند، بیش‌تر از دیگر کشورها اهمیت دارد. ایران نیز نه‌تنها به‌علت وابستگی شدید به درآمدهای ارزی حاصل از صادرات نفت از این امر مستثنی نیست، بلکه به‌علت اعمال جدی‌تر تحریم‌های اقتصادی در سال‌های اخیر و تأثیرپذیری شدید نرخ ارز از این امر این اهمیت دوچندان شده است. بنابراین، در این مقاله سعی شده است با درنظرگرفتن عوامل مؤثر در نرخ ارز و هم‌چنین، درنظرگرفتن اثرات تحریم با استفاده از نقشه‌های خودسازمان‌ده بازگشتی^{^[i]} مدلی برای پیش‌بینی نرخ ارز ارائه شود. برای این کار علاوه‌بر عوامل مؤثر در آن به‌طور هم‌زمان از سری زمانی مربوط به نرخ ارز نیز برای پیش‌بینی مدل استفاده شده است و درمجموع، دوازده متغیر انتخابی از متغیرهای مؤثر کلان در نرخ ارز، و اثر تحریم و شاخص قیمت بازارهای رقیب، یعنی طلا، بورس، و مسکن در مدل‌ وارد شدند. نتایج تحقیق نشان داد که این مدل ابزار مناسبی برای پیش‌بینی نرخ ارز است.     <br clear="all" /> [i]. self-organizing map (SOM) 2. به‌علت دردست‌رس‌نبودن اطلاعات شاخص قیمت مسکن از داده‌های قیمت زمین به‌منزلۀ نزدیک‌ترین شاخص مربوط به داده‌های قیمت مسکن استفاده شده است. http://jnet.ihcs.ac.ir/article_3888_911b3a20c700b1cd3da1475372b6fa72.pdf