پیش بینی قیمت با شبکه عصبی مصنوعی LSTM و مدل انتخاب سبد سهام دارایی‌های مالی و ارز‌های دیجیتال

مهندسی مالی و مدیریت اوراق بهادار

مقاله 11، دوره 14، شماره 57، دی 1402

نوع مقاله: مقاله پژوهشی

نویسندگان

فرانک خونساریان¹؛ بابک تیمورپور^{* 1}؛ محمد علی رستگار²

¹گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، شهر تهران، کشور ایران

²گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس

چکیده

یافتن راهکار‌هایی برای پیش‌بینی قیمت، تشکیل سبد سهام بهینه و دستیابی به سود بیشتر از اهداف اساسی فعالان بازار‌های مالی می‌باشد. هدف از این پژوهش پیش‌بینی قیمت دارایی‌های مالی نظیر چندین سهام بورس، طلا، سکه و تعدادی از ارزهای دیجیتال با استفاده از مدل شبکه عصبی LSTM و سپس تشکیل سبد سهام بهینه با محاسبه میزان بازده، ریسک و معیار شارپ است. داده‌های استفاده شده از آرشیو وب‌سایت بورس و اوراق بهادار تهران، وب‌سایت شبکه اطلاع‌رسانی طلا، سکه و ارز و همچنین وب‌سایت خرید و فروش ارزهای دیجیتال می‌باشد. سری زمانی قیمت دارایی‌های مورد بررسی طی سال‌های 2017 تا 2020 میلادی است. همچنین برای ساخت مدل و تحلیل داده‌ها از زبان برنامه‌نویسی پایتون و نرم‌افزار گفی استفاده نمودیم. در پایان مشخص گردید که مدل شبکه عصبی LSTM قادر به پیش‌بینی قیمت دارایی‌های مالی با میزان خطای بسیار کم در هر دارایی می‌باشد و با توجه به میزان معیار شارپ به‌دست آمده برای هر دارایی مالی و ماتریس همبستگی، سهام‌ وبانک و سهام خبهمن 1 و همچنین ارز‌های دیجیتال ترون، تتر و بیت‌کوین سهم بیشتری را در سبد سهام پیشنهادی به خود تخصیص می‌دهند.

کلیدواژه‌ها

پیش‌بینی قیمت؛ سبد سهام؛ دارایی‌های مالی؛ ارز دیجیتال؛ شبکه عصبی LSTM

مراجع