No/VOL: 03/2024 Page no. 157
Authors: Saheed-Lekan Gbadamosi , Nnamdi Nwulu , Solomon Akinola :
Title: Badanie efektywności wielowarstwowego modelu sieci neuronowej do przewidywania ceny złota
Abstract: Efektywny model prognozowania cen złota jest niezbędnym narzędziem do odkrywania cen i porównywania zmian rynkowych dla projektów wydobywczych na całym świecie. W badaniu przedstawiono model skutecznego przewidywania zmian cen złota na świecie. Przeprowadzono analizę eksperymentalną w celu prognozowania miesięcznych cen złota na rynku amerykańskim od grudnia 1978 r. do marca 2023 r., stosując model autoregresyjnej zintegrowanej średniej ruchomej (ARIMA) i model regresji perceptronu wielowarstwowego (MLP). Zoptymalizowane wyszukiwanie hiperparametrów pozwoliło uzyskać najniższe wyniki błędu średniego kwadratowego (MSE) i średniego bezwzględnego (MAE) z najlepszymi parametrami ARIMA (2, 1, 1) i MLP. Zaproponowany model perceptronu wielowarstwowego (MLP) wykazuje poprawę efektywnej predykcji uzyskanej na podstawie analizy eksperymentalnej.
Key words: Cena złota, prognoza, wielowarstwowa sieć neuronowa