fa بررسی ماکزیمم نمای لیاپانوف در نرخ ارز ایران با استفاده از تئوری آشوب مطالعه تجربی Empirical Study <p> <br>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.  <br>طبقه‌بندی F31,F37,F47 :JEL</p><p>تاریخ دریافت مقاله: 1388/12/4                             تاریخ پذیرش مقاله: 1389/1/22</p> Nonlinear dynamic systems exhibit different behaviors، that can be utilized to explain many economic phenomena that seems to be stochastic. Chaos theory suggests a new method to study the changes of nonlinear dynamic systems in the financial markets. In this paper، we studied Iran foreign exchange rate sensitivity to initial conditions by chaos theory and maximum Lyapunov exponent against the U.S. and Canadian dollar، British Pound، the Euro and the UAE Dirham during 24/03/1982 to 23/05/2007. For this purpose، we analyze the presence of chaos behavior in the above mentional currencies by strong correlation test and maximum Lyapunov exponent. The obtional result indicate that Iran foreign exchange rate against the U.S. dollar is and fellows a chaos process. Therefore the linear methods are not appropriate for prediction of the variable. In second part of this paper، we predict the Iran exchange rate against the U.S. dollar by nonlinear neural Network model using optimizing self comparative particles group algorithm. Results of neural network algorithm shows that daily exchange prices in a short period are highly predictable based on prior price. تئوری آشوب, نرخ ارز, بعد جاذب, نمای لیاپانوف, شبکه عصبی Chaos Theory, Exchange Rate, Strange Attractor, Lyapunov Exponent, Neural Network 53 78 http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-24-11&slc_lang=fa&sid=1 Mohammad Babazadeh محمد بابازاده 1003194753284600352 1003194753284600352 Yes دانشگاه آزاد اسلامی Abbas Memarnezgad عباس معمارنژاد 1003194753284600353 1003194753284600353 No دانشگاه آزاد اسلامی Siamak Elmi سیامک علمی 1003194753284600354 1003194753284600354 No دانشگاه آزاد اسلامی