هوش مصنوعی در بورس: فرصت ها، چالش ها و چارچوبی برای استفاده ی موثر و مسئولانه

هوش مصنوعی به عنوان یکی از تاثیرگذارترین فناوری ها در بازارهای مالی، روش های تحلیل، پیش بینی و معامله ی سهام را دگرگون ساخته است. این مقاله با مرور نظام مند پیشینه ی پژوهش و تحلیل داده های تجربی معتبر شامل مطالعات وایت در مورد شبکه های عصبی، بایلی و همکاران در مورد بیش برازش، کرکیلنکو و همکاران در مورد فلش کرش، تتلاک در مورد تحلیل احساسات اخبار، بولن و همکاران در مورد توییتر و شاخص داو جونز، لوپز دو پرادو در مورد الگوهای کتاب سفارشات، سزر و همکاران در مورد یادگیری عمیق، لافرن و مک دونالد در مورد واژه نامه ی مالی احساسات، و بولی و همکاران در مورد یادگیری تقویتی، نشان می دهد که روش های یادگیری ماشین و یادگیری عمیق دقت پیش بینی بازار را نسبت به مدل های سنتی بهبود بخشیده اند اما این بهبود پس از کسر هزینه های معامله محدود است. بیش برازش و داده کاوی بزرگ ترین چالش روش شناختی هستند و روش هایی مانند دیواره ی ترکیبی و نسبت شارپ تعریف شده برای تعدیل آن ضروری می باشند. تحلیل احساسات مبتنی بر پردازش زبان طبیعی می تواند سیگنال های ارزشمندی ارائه دهد، اما معاملات فرکانس بالا خطرات سیستمی جدی ایجاد کرده اند. نتیجه گیری اصلی آن است که هوش مصنوعی در بورس یک ابزار قدرتمند اما خطرناک است که نیازمند درک عمیق مالی، طراحی روش شناختی دقیق و نظارت موثر می باشد. پیشنهادهای مقاله در پنج سطح روش شناختی، کاربردی، نظارتی، فنی و پژوهشی-آموزشی ارائه شده است.

کلیدواژه ها:

هوش مصنوعی ، بورس ، پیش بینی قیمت سهام ، معاملات الگوریتمی ، تحلیل احساسات ، بیش برازش ، یادگیری عمیق ، مدیریت ریسک