خودهمبستگي(AC) و خودهمبستگي‌جزئي(PAC) تعيين نمود و در ادامه توسط ضابطه هاي آکائيک106 و يا شوارتز- بيزين107 مورد ارزيابي قرار داد. براي پيش‌بيني داده‌هاي سري زماني بوسيله ARIMA، ابتدا ماناي سري زماني را بررسي کرده و مرتبه انباشتگي (d) تعيين مي‌شود. لازم به ذکر است که در تحقيق حاضر، براي تخمين مدل ARIMA، از نرم‌افزارEviews استفاده شده است.
3-6-2: شبكه پرسپترون چند لايه (MLP)
بعد از آن كه در دهه 80 ميلادي مجددا شبكه هاي عصبي احيا شدند، شبكه پرسپترون چند لايه ، به عنوان يكي از كارامدترين آنها در حل مسائل لاينحل غير خطي مطرح شد. اين شبكه به خصوص در زمينه پيش بيني متغيرهاي مالي و اقتصادي، از قابليت بالايي برخوردار مي باشد .
ويژگي هاي مهم شبكه پرسپترون چند لايه را به صورت زير مي توان بيان كرد :
1 – حداقل داراي يك لايه مياني مي باشد .
2 – توابع فعال سازي غير خطي و مشتق پذير در لايه مياني استفاده مي كند .
3 – الگوريتم يادگيري در آن طوري طراحي شده است كه خطا را از لايه خروجي را به لايه هاي قبلي منتقل مي سازد .
