نقش هوش مصنوعی در جذب سرمایه گذاری در بورس اوراق بهادار و پیامدهای مثبت و منفی آن

بررسی های سیستماتیک زیادی در مورد پیش بینی سهام وجود دارد. با این حال هر کدام بخش متفاوتی از تجزیه و تحلیل هوش مصنوعی ترکیبی و پازل پیش بینی سهام را نشان می دهند. هدف اصلی این تحقیق بررسی سیستماتیک بررسی های سیستماتیک موجود بر روی مدل های هوش مصنوعی (AI) اعمال شده برای پیش بینی بازار سهام برای ارائه ورودی های ارزشمند برای توسعه استراتژی ها در سرمایه گذاری های بازار سهام بود. کلمات کلیدی که تحت عناوین گسترده هوش مصنوعی و پیش بینی سهام قرار می گیرند در پایگاه داده های Scopus و Web of Science جستجو شدند. ما ۶۹ عنوان را غربال کردیم و ۴۳ مرور سیستماتیک را خواندیم که شامل بیش از ۳۷۹ مطالعه بود قبل از اینکه ۱۰ مورد را برای مجموعه داده نهایی حفظ کنیم. این کار نشان داد که ماشین های بردار پشتیبانی (SVM)، حافظه کوتاه مدت (LSTM) و شبکه های عصبی مصنوعی (ANN) محبوب ترین روش های هوش مصنوعی برای پیش بینی بازار سهام هستند. علاوه بر این سری های زمانی قیمت های سهام بسته شدن، تاریخی متداول ترین منبع داده مورد استفاده هستند و دقت، بیشترین معیار عملکرد مدل های پیش بینی کننده است. ما همچنین چندین شکاف تحقیقاتی و جهت گیری را برای مطالعات آینده شناسایی کردیم. به طور خاص، ما نشان می دهیم که تحقیقات آینده می تواند از کاوش در منابع و ترکیب های مختلف داده سود ببرد در حالی که ما همچنین مقایسه روش ها و تکنیک های مختلف هوش مصنوعی را پیشنهاد می کنیم؛ زیرا هر کدام ممکن است دارای مزایای خاص و سناریوهای کاربردی باشند. در نهایت ما ارزیابی بهتر شاخص ها و استانداردهای پیش بینی را برای انعکاس ارزش واقعی و تاثیر مدل های پیش بینی توصیه می کنیم.

کلیدواژه ها:

هوش مصنوعی ، جذب سرمایه ، بورس اوراق بهادار ، بورس اوراق بهادار