ارائه مدلی برای پیش‌بینی ارزش سهام از طریق شبکه عصبی مصنوعی

پیش‌بینی ارزش سهام، به عنوان چالش اساسی در حوزه پژوهش‌های مالی و برای فعالان بازار سرمایه مطرح بوده است. این پیچیدگی‌ها ناشی از عوامل متعددی مانند نوسانات بازار، تاثیرات اقتصادی و رفتارهای غیرقابل پیش‌بینی سرمایه‌گذاران است. در این پژوهش، تمرکز بر توسعه و ارائه مدلی نوآورانه با استفاده از قابلیت‌های هوش مصنوعی برای پیش‌بینی دقیق‌تر ارزش سهام معطوف شده است. جامعه آماری این پژوهش شامل شرکت‌های فعال در حوزه صنعت فلزات و صنایع غذایی است که در بورس اوراق بهادار تهران پذیرفته شده‌اند. داده‌های مربوط به این شرکت‌ها در طول یک دوره زمانی مشخص از فروردین 1401 تا خرداد 1402منشا تحلیل‌های این مطالعه بوده‌اند. برای بررسی و تحلیل داده‌ها از نرم‌افزار متلب استفاده شده و از روش شبکه عصبی استفاده شده که به واسطه قابلیت‌های پیشرفته در تحلیل داده‌ها و شبیه‌سازی، به نتایج دقیق می‌انجامد. نتایج حاصل از این پژوهش نشان می‌دهد که مدل طراحی شده با استفاده از شبکه عصبی مصنوعی قادر است به طور موثری ارزش سهام را پیش‌بینی کند. به این معنی که مدل پیشنهادی توانسته است روندهای بازار را به خوبی بازتاب دهد و دقت بالایی را در پیش‌بینی‌ها به ارمغان بیاورد، که نتایج پژوهش حاضر می‌تواند ابزار مفیدی برای سرمایه‌گذاران و تحلیل‌گران مالی محسوب شود.

presenting a model for predicting stock prices through artificial neural networks

stock price prediction has been a major challenge in the field of financial research and for capital market activists. these complexities arise from several factors such as market fluctuations, economic impacts, and unpredictable investor behavior. in this study, the focus is on developing and presenting an innovative model using artificial intelligence capabilities to more accurately predict stock prices. the statistical population of this study includes companies active in the metal and food industries that are listed on the tehran stock exchange. data related to these companies over a specific period of time from farvardin 1401 to khordad 1402 were the source of the analyses of this study. matlab software was used to examine and analyze the data, and the neural network method was used, which leads to accurate results due to its advanced capabilities in data analysis and simulation. the results of this study show that the model designed using artificial neural networks is able to effectively predict stock prices. this means that the proposed model has been able to reflect market trends well and provide high accuracy in predictions, which means that the results of this study can be considered a useful tool for investors and financial analysts.