پیش‌بینی تلاطم شاخص قیمت بورس اوراق بهادار تهران: به‌کارگیری مدل‌های یادگیری ماشین

نویسندگان

1 دانشجوی دکتری، گروه اقتصاد، دانشکده اقتصاد و حسابداری، دانشگاه رازی، کرمانشاه، ایران

2 گروه حسابداری، دانشکدۀ علوم اقتصادی و اجتماعی، دانشگاه بوعلی سینا، همدان، ایران

3 گروه اقتصاد، دانشکده اقتصاد و حسابداری ،دانشگاه رازی، کرمانشاه، ایران

4 گروه اقتصاد، دانشکده اقتصاد و حسابداری ،دانشگاه رازی، کرمانشاه، ایران

doi
10.71818/ecj.2025.1121332
چکیده

این پژوهش به دنبال بررسی اثر شوک‌های افزایشی و کاهشی قیمت نفت و نرخ ارز بر تلاطم شاخص قیمت بورس اوراق بهادار تهران و پیش‌بینی تلاطم است. در این راستا، هشت روش مجزا شامل رگرسیون خطی چندگانه (MLR)، رگرسیون لاسو (LASSO)، رگرسیون بردار پشتیبان (SVR)، شبکه عصبی مصنوعی (ANN)، شبکه عصبی بازگشتی (RNN)، حافظۀ کوتاه‌مدت طولانی (LSTM)، واحد بازگشتی دروازه‌ای (GRU) و واحد بازگشتی دروازه‌ایِ دوسویه (BiGRU) به‌کار رفته‌اند. افزون بر آن، نتایج هشت روش فوق با استفاده از چهار رویکرد میانگین، میانه، میانگین پیراسته و رویکرد میانگین مجذور خطاهای تنزیلی (DMSFE) با ضرایب تنزیل 1 و 9/0 ترکیب گردیده و نتایج روش‌های مجزا و ترکیبی، با استفاده از دو معیار میانگین مجذور خطاها و ضریب تعیین، مقایسه شده‌اند. نتایج بیانگر آن است که شوک‌های کاهشی قیمت نفت و شوک‌های افزایشی و کاهشی نرخ ارز، پیش‌بینی کننده‌های خوبی برای تلاطم شاخص قیمت بورس اوراق بهادار تهران هستند. مقایسۀ روش‌های مجزا نشان می‌دهد که در پیش‌بینی درون‌نمونه‌ای، دو روش GRU و BiGRU و در پیش‌بینی برون‌نمونه‌ای، روش‌های ANN و GRU نسبت به سایر روش‌ها از عملکرد بهتری برخوردارند. به‌علاوه، یافته‌ها بیانگر آن است که ترکیب نمودن نتایج روش‌های هشت‌گانه، عموماً دقت پیش‌بینی‌ها را بهبود بخشیده و مقایسۀ نتایج ترکیبی حاکی از عملکرد بهتر رویکرد DMSFE است.