ارائه مدل‌های پیش‌بینی از شاخص‌های مالی با استفاده از رگرسیون و شبکه‌های عصبی

فرآیند داده‌کاوی در حوزه اقتصاد و مسائل مالی در مقالات بسیاری انجام شده است. در هر کدام از این تحقیقات، معمولاً ابتدا تعدادی عوامل اقتصادی و غیراقتصادی انتخاب شده و در ادامه پس از جمع‌آوری داده‌ها و انجام فرآیند داده‌کاوی، الگوی ارتباطی بین آنها کشف می‌شود. به عبارت دیگر، در این تحقیقات معمولاً تلاش می‌شود که با ارائه یک مدل، میزان تاثیر هر شاخص مالی از تغییر شاخص‌های مالی دیگر به دست آید. با این حال در این تحقیقات معمولاً داده‌ها یا خیلی قدیمی هستند که باعث می‌شود نتایج آنها برای وضعیت فعلی کاربردی نداشته باشد؛ و یا مربوط به شاخص‌های مالی بین‌المللی هستند که در بسیاری از مواقع نمی‌توان نتایج آنها را به شرایط داخلی تعمیم داد. در معدود تحقیقات انجام‌شده نیز، عوامل اقتصادی زیادی مورد بررسی قرار نگرفته است و بنابراین خلا وجود یک تحقیق جامع و جدید از وضعیت شاخص‌های مالی داخلی (کشور ایران) احساس می‌شود. در این مقاله، ابتدا داده‌های شش شاخص مالی داخلی شامل طلای 18 عیار، سکه تمام بهار، نفت (ریال)، نفت (دلار)، دلار، و یورو از تاریخ 1398/01/01 الی 1402/02/31 (در مجموع 1522 رکورد) جمع‌آوری شده و بعد از پاک‌سازی و نرمال‌سازی، با استفاده از روش‌های رگرسیون و پرسپترون چندلایه مورد تحلیل قرار گرفته و مدل‌های پیش‌بینی از آنها استخراج می‌شود. نتایج معیارهای ارزیابی (شامل ضریب همبستگی، میانگین خطای مطلق و غیره) از مقایسه نتایج مدل‌های استخراج‌شده با نتایج واقعی، اختلاف بسیار کمی را نشان می‌دهند (برای مثال، معیار ضریب همبستگی در روش رگرسیون و پرسپترون چند لایه به ترتیب برابر با 0.9964 و 0.9999 است) که نشان‌دهنده انتخاب درست شاخص‌های مالی، تاثیر مستقیم و اساسی آنها بر یکدیگر، و دقت بالای مدل‌های پیش‌بینی به دست آمده است.