فهرست نشریات علمی دسترسی آزاد ایران

هدف: در سال‌های اخیر، روش‌های پیش‌بینی داده‌های سری زمانی مبتنی بر هوش مصنوعی و یادگیری عمیق گسترش بسیاری یافته است. با توجه به اینکه این داده‌ها در حوزه سرمایه‌گذاری و پیش‌بینی قیمت سهام ابعاد بزرگی دارند، روش‌های سنتی تحلیل داده، به‌سختی می‌توانند به یادگیری آن‌ها بپردازند. در این پژوهش، قدرت مدل‌های مختلف مبتنی بر یادگیری ماشین، در پیش‌بینی روند قیمت سهام در بورس اوراق بهادار تهران بررسی شده است. روش: پس از جمع‌آوری داده‌های 150 شرکت‌ بزرگ پذیرفته‌شده در بورس اوراق بهادار تهران، از سال 1390 تا 1399، با تنظیم دقیق روش‌های یادگیری ماشین برای هر یک از سهام، به پیش‌بینی روند قیمت سهام و صحت‌سنجی هر یک از روش‌ها پرداختیم و آن‌ها را با هم مقایسه کردیم. در این روش‌ها، در هر مرحله یادگیری، بخشی از داده‌ها را به بخش یادگیری و ارزیابی و بقیه را به بخش آزمون اختصاص دادیم. این روش‌ها عبارت بودند از: مدل‌های‌ خطی، مدل‌های خودهم‌بسته، جنگل تصادفی و شبکه‌های عصبی. یافته‌ها: مدل‌های مبتنی بر یادگیری عمیق نسبت به سایر مدل‌ها عملکرد بهتری از خود نشان می‌دهند و در پیش‌بینی روند کوتاه‌مدت قیمت سهام، از دقتی حدود 70 تا 80 درصد برخوردارند. همچنین، مدل‌های یادگیری کم‌عمق دقت بالاتری داشتند. به‌طور کلی، بیشتر مدل‌ها در پیش‌بینی روندهای منفی سهام، عملکرد بهتری نشان می‌دهند. نتیجه‌گیری: در این پژوهش، تلاش شد تا مدل‌ها با دقت بسیار به‌کار گرفته شوند. نتایج پژوهش نشان داد که برخلاف یافته‌های پژوهش‌های گذشته، این مدل‌ها نتایج خیره‌کننده‌ای در اختیار سرمایه‌گذاران قرار نمی‌دهند.