تحلیل سری های زمانی در بازار فارکس

بازار فارکس بعنوان یکی از بزرگترین بازارهای مالی جهان تحلیل دقیق سری های زمانی قیمتها را برای پیش بینی روندها و تصمیم گیری های معاملاتی ضروری می سازد. در این پژوهش به بررسی قیمت جفت ارز یورو به دلار آمریکا (EUR/USD) با استفاده از سه روش مدل سازی سری های زمانی شامل مدل خود رگرسیونی میانگین متحرک یکپارچه (ARIMA)، گرادیان بوستینگ درختی (XGBoost)، و شبکه های حافظه بلندمدت کوتاه مدت (LSTM) می پردازیم. داده های روزانه قیمت بسته شدن EUR/USD در سال ۲۰۲۰ تا ۲۰۲۵ مورد استفاده قرار گرفتند. در چارچوب رگرسیون ۲۰۲۵ پیش بینی مقادیر قیمت و طبقه بندی شد و پس پردازش برای ارزیابی عملکرد مدل ها از معیارهایی نظیر ریشه میانگین مربعات خطا (RMSE)، ریشه میانگین مطلق خطا (MAE) مانند شاخص F۱ بررسی گردید. در چارچوب طبقه بندی مقایسه عملکرد مدل های مذکور انجام شد. همچنین در چارچوب مدل ها توانایی مدل ها در پیش بینی جهت حرکت قیمت (افزایش یا کاهش) در سری های زمانی مالی می پردازد و نتایجی برای بهبود پیش بینی ها در بازار فارکس ارائه می دهد. نتایج اولیه نشان دهنده ی کارایی مدل های متفاوت در سناریوهای مختلف است که در ادامه مقاله به تفصیل بحث خواهد شد.

کلیدواژه ها:

بازار فارکس ، تحلیل سری های زمانی ، پیش بینی روند نرخ ارز یورو/دلار آمریکا (EUR/USD)