بهبود دقت پیش بینی نوسانات بازار مالی با ترکیب مدل حرکت قطره آب و شبکه های عصبی

پیش بینی نوسانات قیمت سهام و نرخ ارز از موضوعات کلیدی برای فعالان اقتصادی، سرمایه گذاران و سیاست گذاران است. اگرچه روش های آماری سری زمانی به طور گسترده در این زمینه استفاده شده اند، اما این روش ها با محدودیت هایی مانند فرضیات ساده سازی و کاهش دقت در شرایط پیچیده روبه رو هستند. در این تحقیق، توانایی روش های عددی نوین، به ویژه الگوریتم حرکت قطره، در پیش بینی نوسانات قیمت سهام بررسی و با روش های آماری سری زمانی مقایسه شد. ابتدا مرور جامعی بر ادبیات مرتبط با روش های عددی جدید صورت گرفت و سپس الگوریتم حرکت قطره بر داده های شاخص قیمت سهام بورس اوراق بهادار تهران پیاده سازی گردید. نتایج تحلیل ها نشان داد که این الگوریتم در پیش بینی نوسانات، به ویژه در شرایط نوسانات غیرخطی و پیچیده، عملکرد بهتری نسبت به روش های سری زمانی دارد و دقت پیش بینی را به میزان قابل توجهی افزایش می دهد. همچنین، این روش توانایی بیشتری در شناسایی روندهای کوتاه مدت بازار نشان داد. یافته ها حاکی از پتانسیل بالای روش های عددی در پیش بینی نوسانات مالی است و پیشنهاد می شود این روش ها در حوزه های دیگر اقتصادی و مالی نیز مورد بررسی قرار گیرند. این تحقیق با ارائه رویکردی نوین به حوزه پیش بینی های مالی، به کارگیری روش های عددی را به عنوان ابزار تکمیلی برای تحلیل های مالی پیشنهاد می کند.

کلیدواژه ها:

Forecasting ، Stock Price Fluctuations ، Drop Algorithm ، Numerical Methods ، Time Series Statistical Methods ، پیش بینی ، نوسانات قیمت سهام ، الگوریتم قطره ، روش های عددی ، روش های آماری سری زمانی