مطالعه تجربی پیرامون پیش­بینی پذیری تغییرات شاخص سهام بازار بورس تهران به کمک تکنیک­های یادگیری ماشین

پیشبینی تغییرات شاخص سهام، یکی از چالشبرانگیزترین مسائل در حوزهی مهندسی مالی بهشمار میرود. بهویژه در بازارهای کشورهای در حال توسعه مانند ایران، عوامل ناشناخته متعددی بر پیچیدگی این بازار میافزایند. در این مطالعه تلاش شدهاست با هدفتأمین سود بیشتر، توانایی تکنیکهای شبکهی عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیمگیری و روشهای آماری در پیش- بینی تغییرات شاخص سهام بررسی شود. در این روشها، از 11 شاخص فنی استخراج شده از شاخص سهام بازار بورس تهران به عنوان ورودی مدلها استفاده شد. همچنین اثربخشی قیمت جهانی نفت، ارزش طلا و نرخ برابری دلار با ریال، به عنوان سه عامل مهماقتصادی، در بهبود دقت پیشبینی بررسی گردید. در این آزمایش، درخت جنگل تصادفی و شبکه عصبی با دقتهای به ترتیب 5.48 % و%5348 بهترین نتایج را به همراه داشتهاند، که رشد ده درصدی را نسبت به مطالعات پیشین نشان می دهند. این بیشینه دقتها بههنگام استفاده از عوامل اقتصادی سهگانه در ورودی مدلها حاصل شد. همچنین به منظور بهبود دقت حاصل، کارآیی چندین روش ترکیبی بررسی شد، اما دقتی بالاتر از روشهای جنگل تصادفی و شبکهی عصبی به دست نیامد

کلیدواژه ها:

شاخص بازار بورس ، پیشبینی ، یادگیری ماشین ، دستهبندی آماری ، عوامل اقتصادی ناملموس