توسعه و به کارگیری یک سیستم هشدار زود هنگام برای بحران های مالی با استفاده از رویکرد شبکه کانولوشنی زمانی

تاثیر گسترده و قابل توجه بحران مالی جهانی در تاریخ، اهمیت پیش بینی بحران های مالی را به خوبی نشان می دهد. در این مقاله، یک رویکرد جدید برای ساخت یک سیستم هشدار زودهنگام برای بحران های مالی ارائه می شود. این رویکرد بر اساس یک شبکه کانولوشنی زمانی (TCN) استوار است که از یک شبکه عصبی کانولوشنی تشکیل شده است. ما عملکرد TCN پیشنهادی خود را با مدل لجیت و سایر مدل های یادگیری عمیق مقایسه کرده ایم. برای تفسیر سیستم هشدار زودهنگام، از تجزیه و تحلیل ارزش شاپلی استفاده شده است. نتایج آزمایشات نشان می دهد که رویکرد TCN پیشنهادی بهترین عملکرد را دارد و قیمت سهام و رشد واقعی GDP بیشترین ورودی ها را در پیش بینی بحران ها دارند.

کلیدواژه ها:

بحران مالی ، یادگیری عمیق ، TCN ، ارزش شاپلی.