استفاده از مدل های ترکیبی اقتصادسنجی و هوش مصنوعی برای تحلیل بازار مالی

تحلیل بازارهای مالی از دیرباز به عنوان یکی از چالش های مهم در اقتصاد مطرح بوده است. روش های سنتی اقتصادسنجی، اگرچه دارای قدرت تبیین بالایی هستند، اما در مواجهه با پیچیدگی های بازارهای مالی، عملکرد مطلوبی ندارند. از سوی دیگر، هوش مصنوعی و مدل های یادگیری ماشین توانسته اند دقت پیش بینی ها را افزایش دهند اما با محدودیت هایی همچون عدم شفافیت در تفسیر نتایج روبه رو هستند. پژوهش حاضر به بررسی و ارزیابی مدل های ترکیبی اقتصادسنجی و هوش مصنوعی می پردازد که تلفیقی از روش های کلاسیک اقتصادسنجی و الگوریتم های پیشرفته هوش مصنوعی است. در این پژوهش، مدل های خودرگرسیونی برداری (VAR)، مدل های ARCH/GARCH و مدل های رگرسیونی پانلی در کنار الگوریتم های یادگیری ماشین مانند شبکه های عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM) و یادگیری عمیق (DL) مورد بررسی قرار گرفته اند. یافته های پژوهش نشان می دهد که مدل های ترکیبی می توانند دقت پیش بینی شاخص های مالی را بهبود بخشیده و ریسک تصمیم گیری سرمایه گذاران را کاهش دهند. همچنین، این مدل ها امکان تحلیل بهتر روندهای بلندمدت و کوتاه مدت بازار را فراهم می کنند. در نهایت، محدودیت های تحقیق از جمله نیاز به داده های گسترده و پیچیدگی محاسباتی مدل ها مورد بحث قرار گرفته است.

کلیدواژه ها:

اقتصادسنجی ، هوش مصنوعی ، یادگیری ماشین ، تحلیل بازار مالی ، مدل های ترکیبی