چکیده مقاله
پیش بینی شاخصهای بورسی همواره به دلیل نقش کلیدی آن در تصمیم گیری سرمایه گذاران از اهمیت بالایی برخوردار بوده است این پژوهش به پیش بینی تاثیر قیمت جهانی فلزات اساسی بر شاخص گروه فلزات اساسی بورس اوراق بهادار تهران با استفاده از یک مدل یادگیری عمیق شبکه عصبی پرسپترون چندلایه میپردازد داده های مورد استفاده شامل قیمت های روزانه جهانی هشت فلز اساسی مس، آلومینیوم، روی، نیکل، سرب، قلع، کویل فولادی و سنگ آهن نرخ ارز دلار و عامل زمان در بازه ی ۹ ساله ۱۳۹۴ ۱۴۰۳ بود مدل در چهار سناریوی مختلف جامع، بدون زمان، بدون دلار و فقط فلزات آموزش و ارزیابی شد نتایج نشان داد مدل جامع با ضریب تعیین R و میانگین درصد خطای مطلق ۵ ۵۹% MAP بهترین عملکرد را دارد به کارگیری روش تفسیر پذیری شاپ SHAP برای تحلیل مدل نشان داد که نرخ ارز با بیشترین میانگین قدر مطلق مقدار شاپ، مهم ترین متغیر در پیش بینی شاخص است و پس از آن به ترتیب عامل زمان و قیمت جهانی مس قرار دارند حذف هر یک از عوامل کلیدی زمان و نرخ ارز منجر به افت چشمگیر عملکرد مدل شد این یافته ها بر نقش حیاتی نرخ ارز و روندهای زمانی در تحلیل بازار سرمایه ایران تاکید دارد و رویکرد یادگیری عمیق تفسیر پذیر را به عنوان ابزاری قدرتمند برای تحلیلگران مالی معرفی می کند
کلیدواژهها
نویسندگان
شیوه ارجاع
�عیتی شوازی، علیرضا و خاکی، محمود،1404،پیش بینی تاثیر قیمت جهانی فلزات اساسی بر شاخص گروه فلزات اساسی بورس اوراق بهادار تهران با استفاده از رهیافت یادگیری عمیق،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