چکیده مقاله
پیش بینی دقیق قیمت قراردادهای اختیار معامله به دلیل نوسانات بالا، عدم قطعیت و پیچیدگی ذاتی بازارهای مالی به ویژه در اقتصادهای نوظهوری همچون ایران از چالش های اساسی در مدیریت سرمایه گذاری و ارزیابی ریسک به شمار می آید طی سال های اخیر پیشرفت های قابل توجهی در حوزه هوش مصنوعی و یادگیری عمیق موجب تحول در مدل سازی و پیش بینی متغیرهای مالی شده است در این مقاله با رویکردی مروری پژوهش های مرتبط با کاربرد شبکه های عصبی بازگشتی RNN ، شبکه های حافظه بلندمدت LSTM ، شبکه های GRU و مدل های هیبریدی مبتنی بر یادگیری عمیق در پیش بینی قیمت اختیار معامله بررسی و مقایسه شده اند تمرکز مقاله بر مطالعات انجام شده در بازار سرمایه ایران است که به عنوان یکی از نمونه های شاخص اقتصادهای نوظهور ویژگی هایی همچون نوسانات شدید، نقدشوندگی محدود و رفتار غیرخطی قیمت ها را داراست نتایج مرور ادبیات نشان می دهد که مدل های یادگیری عمیق به ویژه LSTM و ساختارهای ترکیبی آن در شناسایی الگوهای زمانی و غیرخطی بازار اختیار معامله عملکرد به مراتب دقیق تر و پایدارتر از روش های کلاسیک دارند همچنین به چالش های موجود در زمینه دسترسی به داده های واقعی، تنظیم پارامترهای مدل و انتقال پذیری نتایج بین بازارهای مختلف اشاره شده است یافته های این مرور می تواند به عنوان مبنایی برای توسعه چارچوب های هوشمند قیمت گذاری و طراحی ابزارهای مالی نوین در بازار سرمایه ایران مورد استفاده قرار گیرد
کلیدواژه‌ها
نویسندگان
محسن کرمانی نژاد
گروه مدیریت مالی واحد یزد دانشگاه آزاد اسلامی یزد ایران
علیرضا رعیتی شوازی
گروه مدیریت مالی واحد یزد دانشگاه آزاد اسلامی یزد ایران
غلامرضا عسگرزاده
گروه مدیریت مالی واحد یزد دانشگاه آزاد اسلامی یزد ایران
سید یحیی ابطحی
گروه مدیریت مالی واحد یزد دانشگاه آزاد اسلامی یزد ایران
شیوه ارجاع
کرمانی نژاد، محسن و رعیتی شوازی، علیرضا و عسگرزاده، غلامرضا و ابطحی، سید یحیی،1404،مروری بر روش های یادگیری عمیق در پیش بینی قیمت اختیار معامله در بورس اوراق بهادار تهران،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد
ارائه‌شده در
مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد