فهرست نشریات علمی دسترسی آزاد ایران

هدف: این تحقیق با هدف پیش‌بینی حرکت شاخص بورس اوراق بهادار تهران با استفاده از مدل‌های یادگیری عمیق مبتنی بر شبکه‌های LSTM و CNN و ارائه یک مدل هیبریدی CNN-LSTM انجام شده است. روش‌شناسی پژوهش: استفاده از مدل‌های یادگیری عمیق LSTM، CNN و مدل هیبریدی CNN-LSTM برای پیش‌بینی.استفاده از داده‌های روزانه شاخص بورس اوراق بهادار تهران در بازه زمانی 23/4/1395 تا 26/1/1400. ارزیابی عملکرد مدل‌ها با سه معیار سنجش کارایی SMAPE، MAPE و RMSE. یافته‌ها: مدل هیبریدی CNN-LSTM بهترین عملکرد را در پیش‌بینی شاخص بورس اوراق بهادار تهران با گام یک‌روزه داشته است. مدل LSTM پس از مدل هیبریدی از نظر دقت و کارایی پیش‌بینی در رتبه دوم قرار می‌گیرد. استفاده از مدل‌های تلفیقی یادگیری عمیق موجب افزایش کارایی و دقت پیش‌بینی در بازارهای مالی ایران می‌شود. اصالت / ارزش‌افزوده علمی: ارائه و ارزیابی مدل هیبریدی CNN-LSTM برای اولین بار در پیش‌بینی شاخص بورس اوراق بهادار تهران.تأکید بر کاربرد مدل‌های تلفیقی یادگیری عمیق به‌عنوان رویکردی نوین در بهبود پیش‌بینی بازارهای مالی ایران.