طراحی چارچوب تصمیم گیری سرمایه گذاری مبتنی بر هوش مصنوعی برای بازارهای نوظهور با عدم تقارن اطلاعاتی بالا

بازارهای مالی نوظهور به دلیل سطوح بالای عدم تقارن اطلاعاتی، با چالش های جدی در تصمیم گیری سرمایه گذاری مواجه هستند که این امر منجر به افزایش ریسک، کاهش کارایی بازار و محدود شدن دسترسی سرمایه گذاران خرد به اطلاعات معتبر می شود. پژوهش حاضر با هدف طراحی و ارزیابی یک چارچوب تصمیم گیری سرمایه گذاری مبتنی بر هوش مصنوعی برای غلبه بر این چالش ها انجام گرفت. رویکرد پژوهش از نوع کاربردی-توسعه ای و مبتنی بر پارادایم ترکیبی (کمی-کیفی) بود که در سه فاز اکتشافی، طراحی و ارزیابی ساختاربندی شد.در فاز اکتشافی، از طریق مصاحبه های نیمه ساختاریافته با کارشناسان بازارهای نوظهور و بررسی ادبیات، چالش های اصلی عدم تقارن اطلاعاتی شناسایی گردید. در فاز طراحی، چارچوبی مبتنی بر هوش مصنوعی توسعه یافت که شامل الگوریتم های یادگیری ماشین (مانند Random Forest و شبکه های عصبی)، تحلیل احساسات مبتنی بر پردازش زبان طبیعی (NLP) برای استخراج اطلاعات از منابع غیررسمی (اخبار، رسانه های اجتماعی) و مدل سازی احتمال معامله آگاهانه (PIN) به عنوان پروکسی عدم تقارن اطلاعاتی بود. در نهایت، چارچوب پیشنهادی با بهینه سازی پرتفوی بر اساس حداکثر کردن نسبت شارپ، توصیه های سرمایه گذاری عملی ارائه می دهد.یافته های پژوهش بر اساس داده های واقعی از بازارهای نوظهور (از جمله بورس ایران، هند و برزیل) نشان داد که چارچوب پیشنهادی شاخص PIN را به طور متوسط ۱۸ تا ۲۵ درصد کاهش می دهد، نسبت شارپ پرتفوی های پیشنهادی را حدود ۰.۴۵ واحد نسبت به شاخص بازار و مدل های سنتی افزایش می دهد و بازدهی تعدیل شده با ریسک بهتری فراهم می آورد. نتایج کیفی حاصل از مصاحبه ها نیز قابلیت کاربرد عملی، افزایش اعتماد سرمایه گذاران و مدیریت بهتر چالش های زمینه ای را تایید کرد.این پژوهش به طور نظری به غنای ادبیات مالی رفتاری و اقتصاد اطلاعات افزوده و از منظر عملی، چارچوبی قابل پیاده سازی در پلتفرم های سرمایه گذاری واقعی ارائه می دهد که می تواند به کاهش نابرابری اطلاعاتی، کارآمدتر شدن بازارهای نوظهور و حمایت از سرمایه گذاران خرد کمک کند. پیشنهاد می شود تحقیقات آتی این چارچوب را با فناوری های نوین تر مانند یادگیری تقویتی و مدل های زبانی بزرگ گسترش دهند.

کلیدواژه ها:

هوش مصنوعی ، تصمیم گیری سرمایه گذاری ، عدم تقارن اطلاعاتی ، بازارهای نوظهور ، یادگیری ماشین ، تحلیل احساسات ، بهینه سازی پرتفوی.