کاربرد هوش مصنوعی و یادگیری ماشین در پیش بینی نوسانات بازارهای مالی تحلیل دقت مدل های مبتنی بر داده های کلان

چکیده مقاله

این مقاله به تحلیل و پیش بینی نوسانات بازارهای مالی با استفاده از داده های کلان اقتصادی، مالی و احساسی و الگوریتم های یادگیری ماشین پرداخته است در این تحقیق از چهار الگوریتم برجسته یادگیری ماشین شامل شبکه های عصبی Neural Networks ، جنگل تصادفی Random Forest ، XGBoost و LSTM برای پیش بینی نوسانات بازار استفاده شد داده های کلان اقتصادی از منابع معتبر مانند World Bank، FRED و IMF جمع آوری شدند و داده های مالی از منابعی چون Yahoo Finance و Bloomberg استخراج گردید علاوه بر این داده های احساسی از رسانه های اجتماعی و تحلیل های اخبار اقتصادی با استفاده از تحلیل احساسات Sentiment Analysis جمع آوری شدند نتایج نشان داد که مدل LSTM با دقت ۸۸ ۲٪ بهترین عملکرد را در پیش بینی نوسانات بازارهای مالی ارائه داده است؛ مدل XGBoost با دقت ۸۷ ۵ در رتبه دوم قرار گرفت؛ در حالی که شبکه های عصبی و جنگل تصادفی به ترتیب با دقت های ۸۵ ۳ و ۸۳ ۷٪ به عنوان مدل های دیگر ارزیابی شدند این مطالعه نشان داد که الگوریتم های یادگیری ماشین به ویژه LSTM می توانند به طور موثری نوسانات بازار را پیش بینی کرده و از آنها برای تحلیل های مالی دقیق تر استفاده کنند

کلیدواژه‌ها

نویسندگان

مرجان عارفانی

مربی رسمی، آزمایشی گروه مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد تنکابن، تنکابن، مازندران، ایران

�ارفانی، مرجان،1404،کاربرد هوش مصنوعی و یادگیری ماشین در پیش بینی نوسانات بازارهای مالی تحلیل دقت مدل های مبتنی بر داده های کلان،دومین کنفرانس بین المللی جهش علوم مدیریت، اقتصاد و حسابداری،سار�

ارائه‌شده در

مجموعه مقالات دومین کنفرانس بین المللی جهش علوم مدیریت، اقتصاد و حسابداری18 مهر 1404 · ساری