پیش‌بینی شاخص کل بازار سهام ایران با تاکید بر متغیرهای پولی: رویکرد یادگیری ماشین

بازار سهام به عنوان یکی از اجزای حیاتی بازار سرمایه، بخش مهمی از اقتصاد کشور است که می‌تواند جریان سرمایه را مدیریت و تخصیص سرمایه را بهینه کرده و از این طریق به رشد و توسعه اقتصادی کمک کند. پیش‌بینی هرچه دقیق‌تر روند بازار سهام می‌تواند با کاهش ریسک، به تصمیم‌گیری سرمایه‌گذاران برای کسب بازده بیشتر کمک کند. به‌طور کلی بازار سهام همواره در حال تغییر است و عوامل زیادی بر روند حرکت این بازار اثر می‌گذارند لذا پیش‌بینی الگوهای حرکتی در بازا سهام نیازمند داشتن اطلاعات کافی از گذشته بازار و عوامل اثرگذار بر آن می‌باشد. این مقاله ضمن پیش‌بینی شاخص کل بازار سهام ایران، به دنبال تفسیر مدل و مشخص کردن اثرگذارترین متغیر اقتصادی بر پیش‌بینی شاخص کل می‌باشد. برای این منظور از داده‌های روزانه بازار سهام و متغیرهای کلان اقتصادی طی دوره 1394-1401 استفاده شده است. همچنین از مدل‌های یادگیری ماشین برای پیش‌بینی و از رویکرد توضیحات افزودنی (shap) برای تفسیر چگونگی پیش‌بینی و تعیین بااهمیت‌ترین متغیر اقتصادی در مدل پیش‌بینی استفاده شده است. براساس نتایج بدست آمده از میان روش‌های گروهی مبتنی بر درخت، مدل گرادیان تقویتی gb بهترین عملکرد را بر اساس معیارهای خطا در پیش‌بینی دارد. درمورد مبحث اهمیت ویژگی نیز بر اساس مدل گرادیان تقویتی، به ترتیب حجم نقدینگی، دلار بازار آزاد ارزش معاولات و نرخ بیکاری با اهمیت‌ترین متغیرهای اقتصادی اثرگذار بر مدل پیش‌بینی می‌باشند. همچنین براساس سایر مدل‌های استفاده شده در پژوهش، نقدینگی موثرترین متغیر بر روند شاخص سهام می‌باشد. در نهایت می‌توان گفت که موثرترین متغیر‌های پولی بر شاخص بازار سهام در ایران متغیرهای نقدینگی و نرخ ارز می‌باشند لذا سیاست‌گذاران پولی و سرمایه‌گذاران بازار سهام در تصمیم‌گیری‌های خود باید به تغییرات این متغیرها حساسیت بیشتری نشان دهند. 

predicting the price index in the iranian stock market with emphasis on the monetary variables: a machine learning approach

the stock market, as one of the vital components of the capital market, is an important part of the country’s economy that can manage the flow of capital, optimize capital allocation, and thereby contribute to economic growth and development. more accurate prediction of the stock market trend can help investors’ decision-making for higher returns by reducing risk. in general, the stock market is constantly changing and many factors influence the trend of this market, so predicting the patterns of movement in the stock exchange requires sufficient information about the past and influencing factors of the market. this article is part of the forecast of the stock market index of iran, seeking to interpret the model and identify the most influential economic variable on the price index prediction. for this purpose, daily stock market and economic data, during the period 1394-1401 were used. machine learning models are also used for prediction and the shapley additive explanations (shap) to interpret how to predict and determine the most important variables in the predictive model. based on results from tree-based ensemble methods, the proposed model in this study, extratrees, performed best based on predictive error criteria. in the study of the feature importance is also based on the extratrees model, in order of the dollar rate (nima), unemployment rate, dollar rate of market and liquidity, the most important economic variables influencing the forecast model. also, according to other models used in the research, liquidity is the most effective variable on the stock index trend. finally, it can be said that the most effective monetary variables on the stock market index in iran are liquidity and exchange rate variables, so monetary policymakers and stock market investors should be more sensitive to these variables in their decisions.