مدل‌سازي هوشمند پيش‌بيني نوسانات قيمت طلا

هدف: در پژوهش حاضر هدف شناسايي مهم‌ترين متغيرهاي موثر بر نوسان قيمت طلا است. در تحقيق حاضر براي اولين بار در تحقيقات داخلي به مدل‌سازي نوسانات بازار بر اساس رويكردهاي بيزين غير خطي و شبكه عصبي عميق پرداخته شده است.روش‌شناسي پژوهش: تحقيق حاضر كاربردي است و از داده‌هاي استاندارد و معتبر ماهانه ثبت قيمت طلا در بازه زماني 2010 تا 2022 ميلادي استفاده شده است. در اين تحقيق 35 عامل موثر بر ايجاد نوسانات قيمت طلا مورد ارزيابي قرار گرفتند. در اين مقاله از رويكرد مدل‌هاي گارچ و نوسان تصادفي جهت استخراج نوسان قيمت طلا و از مدل‌هاي TVPDMA، TVPDMS و BMA جهت شناسايي مهم‌ترين متغيرهاي موثر بر ايجاد نوسان در اين متغير و از رويكرد يادگيري عميق جهت بررسي نحوه اثرگذاري متغيرهاي منتخب بر نوسانات قيمت طلا از نرم‌افزار SPSS و MATLAB بهره گرفته شده است.يافته‌ها: بر اساس نتايج، مدل‌هاي SV نسبت به مدل‌هاي گارچ در استخراج نوسانات از دقت بالاتري برخوردارند. از ميان مدل‌هاي TVPDMA ،TVPDMS و مدل BMA از دقت بالاتري برخوردار بود. بر اساس نتايج 12 متغير موثر بر نوسان قيمت طلا شناسايي شدند. نتايج بيانگر اين واقعيت هستند كه عوامل داخلي موثر بر نوسانات قيمت طلا بيش از عوامل بيروني بر اين نوسانات اثرگذار مي‌باشند. جهت پيش‌بيني نوسان قيمت طلا از سه الگوريتم شبكه عصبي پيچشي، حافظه كوتاه‌مدت ماندگار و شبكه عصبي پرسپترون چند لايه در حالت عميق بهره گرفته شد. بر اساس نتايج اين رويكرد نرخ بهره جهاني بالاترين تاثير را بر نوسانات قيمت طلا و شاخص Pivot Point DeMark بالاترين سهم را در ايجاد نوسانات قيمت طلا دارد. از آزمون رگرسيون چرخشي براي ارزيابي استفاده شد.اصالت/ارزش افزوده علمي: بازار طلا، يكي از بازارهاي پرتلاطم است كه پيش‌بيني آينده آن مي‌تواند در تصميم‌گيري‌ها تاثير مثبتي بر جاي بگذارد. با آگاهي از قيمت طلا و پيش‌بيني صحيح آن مي‌توان فرآيند تصميم‌گيري خريد و فروش طلا در بازارهاي جهاني را تسهيل و بهترين زمان اجراي معاملات و سرمايه‌گذاري‌ها را تعيين نمود؛ لذا پيش‌بيني صحيح قيمت طلا از جهات مختلف حايز اهميت است. در اين تحقيق اقدام به مدل‌سازي هوشمند پيش‌بيني نوسانات قيمت طلا نموده است.