هوش مصنوعی و سرمایه: تحول دیجیتال در بازارهای مالی و فرصت های سرمایه گذاری آینده

هدف این پژوهش به بررسی امکان سنجی و طراحی چارچوب به کارگیری هوش مصنوعی در بازار سرمایه ایران با توجه به شرایط خاص اقتصادی، تحریم ها و الزامات بومی می پردازد. روش شناسی ترکیب روش های کمی مدلسازی پیش بین با XGBoost، LSTM و ARIMA روی دیتاست ۱۰ ساله - روش های کیفی مصاحبه با ۳۵ خبره بازار سرمایه و فناوری - تحلیل مقایسه ای با شاخص های جهانی AI-Maturity. یافته های کلیدی: ۱. مدل ترکیبی LSTM با معماری Attention با دقت ۸۹.۲٪ بهترین عملکرد را در پیش بینی شاخص کل داشت. ۲. متغیرهای کلان اقتصادی به ویژه نرخ ارز (غیررسمی) تاثیر ۴۳٪ بر دقت پیش بینی ها نشان دادند. سطح بلوغ هوش مصنوعی در شرکت های ایرانی ۳۷٪ پایین تر از میانگین جهانی ارزیابی شد. نوآوری ها: ارائه چارچوب XAT برای بازارهای نوظهور - توسعه شاخص ترکیبی AI-Maturity با ۱۶ زیرمعیار. پیامدهای کاربردی: افزایش ۱۸٪ بازدهی تعدیل شده با ریسک در آزمون های میدانی، کاهش ۴۰٪ نیاز به مداخلات دستی، ارائه ۱۲ راهکار سیاستی به تنظیم گران بازار. جمع بندی: این پژوهش نشان می دهد هوش مصنوعی می تواند تحولی اساسی در بازار سرمایه ایران ایجاد کند مشروط بر بومی سازی فناوری، توسعه زیرساخت ها و تدوین چارچوب های قانونی مناسب، و پرورش نیروی انسانی متخصص.

کلیدواژه ها:

هوش مصنوعی ، بازار سرمایه ، ایران ، یادگیری عمیق مالی ، اسلامی ، مدلسازی پیش بین