بررسي قدرت مدل‌هاي مبتني بر هوش مصنوعي در پيش‌بيني روند قيمت سهام بورس اوراق بهادار تهران

هدف: در سال‌هاي اخير، روش‌هاي پيش‌بيني داده‌هاي سري زماني مبتني بر هوش مصنوعي و يادگيري عميق گسترش بسياري يافته است. با توجه به اينكه اين داده‌ها در حوزه سرمايه‌گذاري و پيش‌بيني قيمت سهام ابعاد بزرگي دارند، روش‌هاي سنتي تحليل داده، به‌سختي مي‌توانند به يادگيري آن‌ها بپردازند. در اين پژوهش، قدرت مدل‌هاي مختلف مبتني بر يادگيري ماشين، در پيش‌بيني روند قيمت سهام در بورس اوراق بهادار تهران بررسي شده است. روش: پس از جمع‌آوري داده‌هاي 150 شركت‌ بزرگ پذيرفته‌شده در بورس اوراق بهادار تهران، از سال 1390 تا 1399، با تنظيم دقيق روش‌هاي يادگيري ماشين براي هر يك از سهام، به پيش‌بيني روند قيمت سهام و صحت‌سنجي هر يك از روش‌ها پرداختيم و آن‌ها را با هم مقايسه كرديم. در اين روش‌ها، در هر مرحله يادگيري، بخشي از داده‌ها را به بخش يادگيري و ارزيابي و بقيه را به بخش آزمون اختصاص داديم. اين روش‌ها عبارت بودند از: مدل‌هاي‌ خطي، مدل‌هاي خودهم‌بسته، جنگل تصادفي و شبكه‌هاي عصبي. يافته‌ها: مدل‌هاي مبتني بر يادگيري عميق نسبت به ساير مدل‌ها عملكرد بهتري از خود نشان مي‌دهند و در پيش‌بيني روند كوتاه‌مدت قيمت سهام، از دقتي حدود 70 تا 80 درصد برخوردارند. همچنين، مدل‌هاي يادگيري كم‌عمق دقت بالاتري داشتند. به‌طور كلي، بيشتر مدل‌ها در پيش‌بيني روندهاي منفي سهام، عملكرد بهتري نشان مي‌دهند. نتيجه‌گيري: در اين پژوهش، تلاش شد تا مدل‌ها با دقت بسيار به‌كار گرفته شوند. نتايج پژوهش نشان داد كه برخلاف يافته‌هاي پژوهش‌هاي گذشته، اين مدل‌ها نتايج خيره‌كننده‌اي در اختيار سرمايه‌گذاران قرار نمي‌دهند.