پیش‌بینی تاثیر قیمت جهانی فلزات اساسی بر شاخص گروه فلزات اساسی بورس اوراق بهادار تهران با استفاده از رهیافت یادگیری عمیق

پیش‌بینی شاخص‌های بورسی همواره به دلیل نقش کلیدی آن در تصمیم‌گیری سرمایه‌گذاران از اهمیت بالایی برخوردار بوده است. این پژوهش به پیش‌بینی تاثیر قیمت جهانی فلزات اساسی بر شاخص گروه فلزات اساسی بورس اوراق بهادار تهران با استفاده از یک مدل یادگیری عمیق (شبکه عصبی پرسپترون چندلایه) می‌پردازد. داده‌های مورد استفاده شامل قیمت‌های روزانه جهانی هشت فلز اساسی (مس، آلومینیوم، روی، نیکل، سرب، قلع، کویل فولادی و سنگ‌آهن)، نرخ ارز (دلار) و عامل زمان در بازه‌ی 9ساله (1394-1403) بود. مدل در چهار سناریوی مختلف (جامع، بدون زمان، بدون دلار و فقط فلزات) آموزش و ارزیابی شد. نتایج نشان داد مدل جامع با ضریب تعیین (r²) 0.4968 و میانگین درصد خطای مطلق (mape) 5.59% بهترین عملکرد را دارد. به‌کارگیری روش تفسیرپذیری شاپ (shap) برای تحلیل مدل نشان داد که نرخ ارز با بیشترین میانگین قدرمطلق مقدار شاپ، مهم‌ترین متغیر در پیش‌بینی شاخص است و پس از آن به‌ترتیب عامل زمان و قیمت جهانی مس قرار دارند. حذف هر یک از عوامل کلیدی زمان و نرخ ارز منجر به افت چشمگیر عملکرد مدل شد. این یافته‌ها بر نقش حیاتی نرخ ارز و روندهای زمانی در تحلیل بازار سرمایه ایران تاکید دارد و رویکرد یادگیری عمیق تفسیرپذیر را به‌عنوان ابزاری قدرتمند برای تحلیل‌گران مالی معرفی می‌کند.