यूरो/डॉलर विनिमय दर की भविष्यवाणी के लिए पुनरावृत्त न्यूरल नेटवर्क और ARIMA मॉडल

मुद्रा जोड़ों के भविष्य के व्यवहार का विश्लेषण सरकारों, वित्तीय संस्थानों और निवेशकों के लिए एक प्राथमिकता का प्रतिनिधित्व करता है, जो इस प्रकार के विश्लेषण का उपयोग एक देश की आर्थिक स्थिति को समझने और किसी विशेष स्थान से वस्तुओं या सेवाओं को खरीदने और बेचने का निर्णय लेने के लिए करते हैं। इस प्रकार की समय श्रृंखला की भविष्यवाणी करने के लिए कई मॉडल का उपयोग किया जाता है जो उचित सटीकता के साथ होते हैं। हालाँकि, इन समय श्रृंखलाओं के यादृच्छिक व्यवहार के कारण, अच्छी भविष्यवाणी प्रदर्शन प्राप्त करना एक महत्वपूर्ण चुनौती का प्रतिनिधित्व करता है। इस पेपर में, हम EUR/USD विनिमय दर के डेटा का उपयोग करके उनकी सटीकता का मूल्यांकन करने के लिए भविष्यवाणी मॉडलों की तुलना करते हैं। इसके लिए, हमने तीन विधियों का उपयोग किया: ऑटोरेग्रेशिव इंटीग्रेटेड मूविंग एवरेज (ARIMA), एल्मन प्रकार का पुनरावृत्त न्यूरल नेटवर्क (RNN), और लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM)। विश्लेषित अवधि 2 जनवरी 1998 से 31 दिसंबर 2019 तक फैली हुई थी, और इसे प्रशिक्षण और मान्यता डेटा सेट में विभाजित किया गया था। हमने छह विभिन्न भविष्यवाणी क्षितिज के साथ खिड़कियों की भविष्यवाणी करने के लिए गणनाएँ कीं। हमने पाया कि एक महीने की खिड़की जिसमें 22 अवलोकन थे, अन्य खिड़कियों की तुलना में दीर्घकाल में बेहतर संतुलन रखा। इस खिड़की के लिए थिल की U गुणांक क्रमशः 0.04743, 0.002625, और 0.001808 थे ARIMA, एल्मन, और LSTM नेटवर्क के लिए। LSTM ने दीर्घकाल में सबसे अच्छा पूर्वानुमान प्रदान किया, जबकि एल्मन ने दीर्घकाल में सबसे अच्छा पूर्वानुमान प्रदान किया।