نرگس سادات طاهری

افزایش پیچیدگی تعاملات میان بازارهای مالی، گسترش جریان های اطلاعاتی و تأثیرپذیری متقابل بازار سهام و ارز از عوامل اقتصادی و سیاسی، پیش بینی نوسانات این بازارها را به یکی از چالش های مهم حوزه مالی تبدیل کرده است. پژوهش حاضر با هدف طراحی یک مدل هوشمند برای پیش بینی همزمان نوسان بازار سهام و ارز مبتنی بر شبکه های مولد تخاصمی و یادگیری چندمدلی انجام شده است. در این پژوهش، با بهره گیری از قابلیت شبکه های مولد تخاصمی در استخراج الگوهای پنهان و تولید نمایش های واقع گرایانه از داده ها و همچنین توانایی یادگیری چندمدلی در ادغام داده های مالی، اقتصادی و خبری، مدلی ترکیبی برای پیش بینی نوسانات بازار طراحی شد. داده های پژوهش شامل اطلاعات تاریخی شاخص های بازار سهام، نرخ ارز، متغیرهای کلان اقتصادی و داده های متنی اخبار مالی طی دوره 1400 تا 1404 است. پس از انجام مراحل پیش پردازش، استخراج ویژگی و همگام سازی داده های چندمنبعی، مدل پیشنهادی آموزش داده شد و عملکرد آن با مدل های GARCH، شبکه عصبی بازگشتی، حافظه بلندمدت کوتاه مدت (LSTM) و XGBoost مقایسه گردید. مدل پیشنهادی در معیارهای دقت پیش بینی، میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین عملکرد برتری نسبت به مدل های مقایسه ای دارد. همچنین مدل توانسته است وابستگی های پیچیده و اثرات سرایتی میان بازار سهام و ارز را با دقت بیشتری شناسایی کرده و نوسانات آتی را در شرایط مختلف بازار پیش بینی کند. نتایج پژوهش بیانگر آن است که استفاده از شبکه های مولد تخاصمی و یادگیری چندمدلی می تواند به بهبود تصمیم گیری سرمایه گذاران، مدیریت ریسک و توسعه سامانه های هوشمند تحلیل بازارهای مالی کمک کند.