پیش بینی قیمت سهام در بازار بورس تهران با رویکرد هوش مصنوعی

زمینه و هدف: هدف اصلی این پژوهش پیش بینی قیمت سهام با استفاده از دو نوع شبکه عصبی در بازار بورس تهران است . این مدلها را از منظر دقت پیش بینی کنندگی به طور مطلق و نسبی بررسی می کنیم . با توجه به اینکه شبکه های عصبی بازگشتی عموما در پیش بینی دادههای سری زمانی توانایی خوبی دارند، اما شبکه ی عصبی پیچشی عمدتا برای کاربردهایی چون بینایی کامپیوتر استفاده می شوند.روش تحقیق : برای انجام این پژوهش از زبان پایتون در ویرایشگر VS code استفاده شده است . جامعه آماری این پژوهش بورس اوراق بهادار تهران می باشد. حجم نمونه آماری این پژوهش دادههای سه نماد بورس اوراق بهادار تهران به شرح ایرانخودرو، البرز دارو و توسعه معادن روی ایران می باشد. در این پژوهش از هشت ویژگی قیمت در چارچوب زمانی روزانه از تاریخ ۱۳۸۰ تا تاریخ ۱۴۰۰ استفاده می شود که شامل بالاترین قیمت ، پایین ترین قیمت ، قیمت بسته شدن، قیمت باز شدن، ارزش معاملات، حجم معاملات،اختلاف قیمت بسته شدن دو روز متوالی ، بازده روزانه . برای ارزیابی عملکرد مدلها از سه معیار خطای میانگین خطای مطلق ، ریشه میانگین مربعات خطا و ضریب تعیین استفاده شده است یافته ها: نتایج نشان می دهد که مدل شبکه عصبی پیچشی توانایی پیش بینی با دقت خوبی را دارا می باشند. شبکه های عصبی بازگشتی از بهترین نوع شبکه ها برای پیش بینی قیمت هستند، اما نتایج نشان می دهد که شبکه عصبی پیچشی عملکرد بهتری از شبکه عصبی حافظه کوتاه مدت ماندگار داشته است .نتیجه گیری : نتایجی که یافته های این پژوهش نشان می دهد، این است که مدلهای یادگیری عمیق در صورتی که در انتخاب ویژگی هایی (متغیرهای مستقل ) که بتوانند بیشترین میزان معناداری را در تفسیر علل فراز و فرودهای قیمت را دورههای رونق و رکود بازار بیان کند، قابلیت و توانایی پیش بینی قیمت ، با دقت قابل قبول دارا می باشند.

کلیدواژه ها:

شبکه عصبی مصنوعی ، حافظه کوتاه مدت ماندگار ، شبکه عصبی پیچشی ، پیش بینی قیمت