ارائه مدل‌هاي پيش‌بيني از شاخص‌هاي مالي با استفاده از رگرسيون و شبكه‌هاي عصبي

فرآيند داده‌كاوي در حوزه اقتصاد و مسائل مالي در مقالات بسياري انجام شده است. در هر كدام از اين تحقيقات، معمولاً ابتدا تعدادي عوامل اقتصادي و غيراقتصادي انتخاب شده و در ادامه پس از جمع‌آوري داده‌ها و انجام فرآيند داده‌كاوي، الگوي ارتباطي بين آنها كشف مي‌شود. به عبارت ديگر، در اين تحقيقات معمولاً تلاش مي‌شود كه با ارائه يك مدل، ميزان تأثير هر شاخص مالي از تغيير شاخص‌هاي مالي ديگر به دست آيد. با اين حال در اين تحقيقات معمولاً داده‌ها يا خيلي قديمي هستند كه باعث مي‌شود نتايج آنها براي وضعيت فعلي كاربردي نداشته باشد؛ و يا مربوط به شاخص‌هاي مالي بين‌المللي هستند كه در بسياري از مواقع نمي‌توان نتايج آنها را به شرايط داخلي تعميم داد. در معدود تحقيقات انجام‌شده نيز، عوامل اقتصادي زيادي مورد بررسي قرار نگرفته است و بنابراين خلأ وجود يك تحقيق جامع و جديد از وضعيت شاخص‌هاي مالي داخلي (كشور ايران) احساس مي‌شود. در اين مقاله، ابتدا داده‌هاي شش شاخص مالي داخلي شامل طلاي 18 عيار، سكه تمام بهار، نفت (ريال)، نفت (دلار)، دلار، و يورو از تاريخ 1398/01/01 الي 1402/02/31 (در مجموع 1522 ركورد) جمع‌آوري شده و بعد از پاك‌سازي و نرمال‌سازي، با استفاده از روش‌هاي رگرسيون و پرسپترون چندلايه مورد تحليل قرار گرفته و مدل‌هاي پيش‌بيني از آنها استخراج مي‌شود. نتايج معيارهاي ارزيابي (شامل ضريب همبستگي، ميانگين خطاي مطلق و غيره) از مقايسه نتايج مدل‌هاي استخراج‌شده با نتايج واقعي، اختلاف بسيار كمي را نشان مي‌دهند (براي مثال، معيار ضريب همبستگي در روش رگرسيون و پرسپترون چند لايه به ترتيب برابر با 0.9964 و 0.9999 است) كه نشان‌دهنده انتخاب درست شاخص‌هاي مالي، تأثير مستقيم و اساسي آنها بر يكديگر، و دقت بالاي مدل‌هاي پيش‌بيني به دست آمده است.