پیش بینی قیمت سهام در بازار سرمایه با رویکرد هوش مصنوعی

هدف این پژوهش پیش‌بینی قیمت سهام با استفاده از دو نوع شبکه عصبی در بورس اوراق بهادار تهران است. شبکه‌های عصبی بازگشتی عموماً در پیش‌بینی داده‌های سری زمانی توانایی خوبی دارند، اما شبکه‌ی عصبی پیچشی عمدتا برای کاربردهایی چون بینایی کامپیوتر استفاده می‌شوند. برای انجام این پژوهش از زبان پایتون در ویرایشگر vs code استفاده شده است. جامعه آماری این پژوهش بورس اوراق بهادار تهران می‌باشد. حجم نمونه آماری این پژوهش شامل داده‌های سه نماد بورس اوراق بهادار تهران به شرح ایران خودرو، البرز دارو و توسعه معادن روی ایران است. در این پژوهش از هشت ویژگی قیمت در چارچوب زمانی روزانه از تاریخ 1380 تا تاریخ 1400 استفاده می‌شود که شامل بالاترین قیمت، پایین‌ترین قیمت، قیمت بسته‌شدن، قیمت باز شدن، ارزش معاملات، حجم معاملات، اختلاف قیمت بسته شدن دو روز متوالی، و بازده روزانه است. برای ارزیابی عملکرد مدل‌ها از سه معیار خطای میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین استفاده شده است. نتایج نشان می‌دهد که مدل شبکه عصبی پیچشی توانایی پیش بینی با دقت خوبی را دارا می‌باشد. شبکه‌های عصبی بازگشتی از بهترین نوع شبکه‌ها برای پیش‌بینی قیمت هستند، اما نتایج نشان می‌دهد که شبکه عصبی پیچشی عملکرد بهتری از شبکه عصبی حافظه کوتاه مدت ماندگار داشته است. نتایج نشان می‌دهد که مدل‌های یادگیری عمیق در صورتی که در انتخاب ویژگی‌هایی (متغیرهای مستقل) که بتوانند بیشترین میزان معناداری را در تفسیر علل فراز و فرودهای قیمت در دوره‌های رونق و رکود بازار داشته باشند، قابلیت و توانایی پیش‌بینی قیمت، با دقت قابل قبول را خواهند داشت.