کاربرد روش های هوش مصنوعی در بهبود کارایی پیش بینی بازارهای مالی

این پژوهش کاربرد هوش مصنوعی در مدل های پیش بینی بازده و مطالعات بازار را بررسی می کند. مطالعات نشانمی دهد که تعیین مدل های مناسب می تواند به توضیح رفتار عوامل موثر در قیمت و در نتیجه بهبود تصمیم گیریاازطریق پیش بینی قیمت های آینده کمک کند. در این چارچوب استفاده از مدل های هوش مصنوعی مبتنی برروش های یادگیری ماشین ML و یادگیری عمیق DL الگوریتم ها برای درک بهتر روندهای تغییرات قیمتدارایی ها و بازده آنها درآینده تبدیل به یک ابزار بهینه و پرکاربرد شده است . به این منظور، مقاله حاضر با استفادهاز شبکه های عصبی بازگشتی RNN که سازگاری وتناسب آن در بازار پول و دارایی ها اثبات شده است به تحلیلبازدهی بازار بورس و مالی در ایران پرداخته است. همچنین در مقایسه بین مدل های کلاسیک و الگوریتم هایپیشرفته هوش مصنوعی AI نارسایی مدل های آماری کلاسیک تحلیل شده است. مطالعات تاکید دارند کهتوانایی مدل های آماری کلاسیک در پیش بینی صحیح روندهای قیمتی یا بازده، محدود و مقید به فرضیات آماریاست و بنابراین پیش بینی های ضعیفی را ارائه می کند. در مقابل روش های هوش مصنوعی با استفاده از الگوریتم هاییادگیری نتایج بهتری ارائه می کنند که می توانند روندهای آتی را نیز با خطای کمتری برآورد نمایند. در ادامه بااستفاده از داده های شاخص معاملات روزانه بازار بورس تهران و همچنین داده های معاملات گروه صنعت بانکداریدر ایران به عنوان نماد بازار مالی، کارایی استفاده از روش RNN در پیش بینی صحیح روندها ی بازده بازار مالیایران تایید شده است. بنابراین نتیجه اصلی این پژوهش تاکید دارد که گسترش کاربرد الگوریتم های پیش بینیمبتنی بر روش های هوش مصنوعی، با بهره گیری گسترده از متغیرهای موثر بر رفتار کارگزاران بازار، کاراییمدل های پیش بینی بازار و تجارت را بهبود خواهد داد.

کلیدواژه ها:

هوش مصنوعی ، الگوریتم های یادگیری ، شبکه عصبی بازگشتی ، کارایی بازار