سیستم های غیرخطی پویا، رفتارهای مختلفی از خود بروز می دهند که می تواند در توجیه بسیاری از پدیده های اقتصادی، که به نظر تصادفی می رسند، به کار گرفته شود. تئوری آشوب یک راه جدید برای بررسی روند تغییرات سیستم های غیرخطی پویا در بازارهای پولی و مالی پیشنهاد می‌کند. این مقاله، با استفاده از تئوری آشوب و ماکزیمم نمای لیاپانوف، حساسیت نرخ ارز ایران نسبت به شرایط اولیه را در برابر دلار آمریکا، کانادا، پوند انگلیس، یورو اروپا و درهم امارات، در بازه زمانی 5/1/1371 تا 2/3/1386 مورد بررسی قرار می دهد. برای این منظور، ابتدا به بررسی وجود رفتار آشوبی در نرخ های ارز ذکر شده با استفاده از آزمون بعد همبستگی و ماکزیمم نمای لیاپانوف پرداخته می شود. نتایج، حاکی از آن است که نرخ ارز ایران در برابر دلار آمریکا از حساسیت کمتری نسبت به شرایط اولیه برخوردار است، و دوم اینکه از یک فرایند آشوبی تبعیت می کند و بنابراین، استفاده از روش‌های خطی برای پیش بینی این متغیر مناسب نمی‌باشد. لذا در قسمت دوم مقاله با استفاده از مدل غیرخطی شبکه عصبی که با الگوریتم بهینه‌سازی گروه ذرات خودتطبیقی آموزش دیده، به پیش‌بینی نرخ ارز ایران در برابر دلار آمریکا پرداخته می‌شود. نتایج حاصل از الگوریتم شبکه عصبی، نشان می دهد که قیمت‌های روزانه ارز انتخابی در یک بازه کوتاه‌مدت بر اساس قیمت‌های گذشته، با دقت بالایی قابل پیش‌بینی است. 
طبقه‌بندی F31,F37,F47 :JEL

تاریخ دریافت مقاله: 1388/12/4                             تاریخ پذیرش مقاله: 1389/1/22