ارائه مدل پیش بینی قیمت سهام با استفاده از الگوریتم های یادگیری عمیق و کاربرد آن درقیمت گذاری سهام بانک های اسلامی

پیش بینی قیمت سهام امری پیچیده است؛ مولفه های گوناگونی از قبیل وضع عمومی اقتصاد، رخداد های سیاسی و انتظارات سرمایه گذاران، بر بازار سهام تاثیر می گذارد. بازار سهام، در حقیقت یک سیستم غیرخطی و آشوبناک است که به عوامل متعدد سیاسی، اقتصادی و روانی وابسته است، برای غلبه بر محدودیت تکنیک های تحلیل سنتی در پیش بینی الگوهای غیرخطی، متخصصان طی دو دهه اخیر تکنیک های هوشمند و بخصوص شبکه های عصبی مصنوعی و الگوریتم ژنتیک را برای بهبود پیش بینی قیمت سهام به کاربرده اند. این پژوهش، با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل موثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با استفاده از شبکه عصبی مصنوعی ارائه شده است. برای نمونه آماری، شرکت های برتر بورس اوراق بهادار در سه ماهه دوم سال 1399 انتخاب شده است. سپس برای هراین منظور، 32 متغیر محاسبه شد. این متغیرها ورودی مدل هستند و به کمک الگوریتم  شبکه عصبی مصنوعی بهینه سازی شده اند. نتایج نشان می دهد، مدل در پیش بینی روند حرکتی قیمت سهام بسیار بهتر عمل کرده و درمقایسه باروش های سنتی، از دقت بالاتری برخوردار است.

provide a stock price forecasting model using deep learning algorithms and its use in the pricing of islamic bank stocks

predicting stock prices is complicated; various components, such as the general state of the economy, political events, and investor expectations, affect the stock market. the stock market is in fact a chaotic nonlinear system that depends on various political, economic and psychological factors. to overcome the limitations of traditional analysis techniques in predicting nonlinear patterns, experts over the last two decades have used intelligent techniques, especially networking. they have used artificial neural networks and genetic algorithms to improve stock price forecasting. this study, considering the increasing development of forecasting methods in financial markets and also, since stock price is one of the most important factors influencing investment decisions and its forecasting can play an important role in this field, in this research, an attempt has been made to provide a model based on which the movement of the stock price can be predicted with high accuracy. accordingly, a hybrid model for predicting stock price movement using artificial neural network is presented. for the statistical sample, the top companies of the stock exchange in the second quarter of 1399 have been selected. then for each purpose, 32 variables were calculated. these variables are the input of the model and are optimized using the artificial neural network algorithm. the results show that the model performs much better in predicting the movement of stock prices and has a higher accuracy compared to traditional methods.