ارزیابی اثر قاب بندی بر نرخ ارز در ایران با استفاده از روش های یادگیری ماشین

براساس مشاهدات در سال های اخیر اغلب نوسانات شدید ارز در ایران بعد از انتشار اخبار تاثیرگذار سیاسی-اقتصادی داخلی و خارجی رخ داده اند. با وجود این تاثیر چشمگیر، در مدل های موجود تاثیر محتوای اخبار منتشره لحاظ نشده و یا نتایج آن به صورت غیرمستقیم و در قالب داده های عددی در مدل سازی به کار رفته است؛ حال آنکه نتایج غیرمستقیم عددی بعد از تاثیرگذاری اخبار در بازار در دسترس هستند و عملا فایده ای در پیش بینی ندارند. در این مقاله مدل جامعی برای پیش بینی نرخ ارز و همچنین پوشش مستقیم تاثیر اخبار بر نرخ ارز ارائه شده است. مدل پیشنهادی با اتکاء بر تلفیق داده ها و یادگیری عمیق پیش بینی خوبی از حرکت بازار ارز حتی در شرایط نوسانات ارزی متاثر از اتفاقات مختلف ارائه می دهد. با استفاده از مدل پیشنهادی، تحلیل دقیقی از اثر قاب بندی، یا نوع بیان یک خبر بر بازار ارز انجام شده است. نتایج این تحلیل علاوه بر تایید عدم تقارن تاثیر اخبار مثبت و منفی بر بازار، حاکی از عدم کارایی نسبی سیاست های اعلام شده برای کنترل نرخ ارز در سال های اخیر دارد؛ به طوری که تنها حدود ۳۲% از سیاست های اتخاذ شده به منظور مدیریت نرخ ارز، قاب بندی تاثیرگذاری داشته اند. مدل ارائه شده به دلیل پوشش معنایی اخبار و استفاده از داده های عددی بازار، در برابر قاب بندی های مختلف نیز مقاوم بوده به نحوی که در آزمایش روی نمونه های دارای انواع قاب بندی در مجموعه ی تست، در حدود ۹۰% موارد پیش بینی های آن با رفتار بازار مطابقت دارد.

کلیدواژه ها:

اثر قاب بندی ، پیش بینی نرخ ارز ، یادگیری ماشین ، هوش مصنوعی ، اخبار