بررسی متغیرهای کلان اقتصادی کلیدی و تحلیل روابط علی بین آنها با شاخص بورس تهران با بهره گیری از هوش مصنوعی

در این تحقیق، به بررسی اثر متغیرهای کلان اقتصادی بر شاخص کل بورس اوراق بهادار تهران با استفاده از ترکیب روش های یادگیری ماشین (شبکه های عصبی مصنوعی) و الگوریتم های فرابتکاری (الگوریتم ژنتیک) پرداخته شده است. هدف اصلی پژوهش، شناسایی موثرترین عوامل اقتصادی بر نوسانات بازار سرمایه در ایران طی دوره زمانی 1380 تا 1400 می باشد. بدین منظور، 24 متغیر اقتصادی شامل نرخ ارز (رسمی و غیررسمی)، تورم، نقدینگی، نرخ بهره، درآمدهای دولت، قیمت نفت، تولید ناخالص داخلی، و سایر شاخص های بخش واقعی و مالی اقتصاد جمع آوری شده اند و پس از نرمال سازی، به عنوان ورودی به شبکه عصبی داده شده اند. با بهره گیری از الگوریتم ژنتیک، ترکیب های بهینه از متغیرها برای آموزش شبکه انتخاب شده و با تکرار فرآیندهای جهش، تقاطع و انتخاب، بهترین مدل پیش بینی برای شاخص بورس حاصل گردیده است. در ادامه، با هدف جلوگیری از استنباط های گمراه کننده، آزمون های مانایی شامل دیکی-فولر تعمیم یافته و زیوت-اندروز برای متغیرهای اصلی اجرا شده اند. سپس، وجود روابط بلندمدت بین متغیرها و شاخص بورس با بهره گیری از آزمون های همجمعی یوهانسن، گریگوری-هانسن و نسخه توسعه یافته با لحاظ دو شکست ساختاری بررسی شد. نتایج نشان دهنده وجود رابطه همجمعی پایدار بین شاخص بورس و متغیرهای کلیدی حتی در شرایط ناپایداری ساختاری اقتصاد ایران است. در مجموع، یافته های این تحقیق حاکی از آن است که متغیرهای تورم، قیمت نفت، درآمد دولت و رشد تولید ناخالص داخلی بیشترین تاثیر را بر شاخص کل بورس اوراق بهادار تهران دارند. این نتایج می تواند در سیاست گذاری های اقتصادی و تحلیل رفتار بازار سرمایه مورد استفاده قرار گیرد.

کلیدواژه ها:

شاخص بورس تهران ، شبکه عصبی ، الگوریتم ژنتیک ، شکستهای ساختاری