مهدی حیدری - استادیار، گروه اقتصاد، دانشکده علوم انسانی، دانشگاه خاتم، تهران، ایران.
حمیدرضا امیری - کارشناس ارشد، گروه اقتصاد ، دانشکده علوم انسانی، دانشگاه خاتم، تهران، ایران.

هدف: در سال های اخیر، روش های پیش بینی داده های سری زمانی مبتنی بر هوش مصنوعی و یادگیری عمیق گسترش بسیاری یافته است. با توجه به اینکه این داده ها در حوزه سرمایه گذاری و پیش بینی قیمت سهام ابعاد بزرگی دارند، روش های سنتی تحلیل داده، به سختی می توانند به یادگیری آن ها بپردازند. در این پژوهش، قدرت مدل های مختلف مبتنی بر یادگیری ماشین، در پیش بینی روند قیمت سهام در بورس اوراق بهادار تهران بررسی شده است. روش: پس از جمع آوری داده های ۱۵۰ شرکت بزرگ پذیرفته شده در بورس اوراق بهادار تهران، از سال ۱۳۹۰ تا ۱۳۹۹، با تنظیم دقیق روش های یادگیری ماشین برای هر یک از سهام، به پیش بینی روند قیمت سهام و صحت سنجی هر یک از روش ها پرداختیم و آن ها را با هم مقایسه کردیم. در این روش ها، در هر مرحله یادگیری، بخشی از داده ها را به بخش یادگیری و ارزیابی و بقیه را به بخش آزمون اختصاص دادیم. این روش ها عبارت بودند از: مدل های خطی، مدل های خودهم بسته، جنگل تصادفی و شبکه های عصبی. یافته ها: مدل های مبتنی بر یادگیری عمیق نسبت به سایر مدل ها عملکرد بهتری از خود نشان می دهند و در پیش بینی روند کوتاه مدت قیمت سهام، از دقتی حدود ۷۰ تا ۸۰ درصد برخوردارند. همچنین، مدل های یادگیری کم عمق دقت بالاتری داشتند. به طور کلی، بیشتر مدل ها در پیش بینی روندهای منفی سهام، عملکرد بهتری نشان می دهند. نتیجه گیری: در این پژوهش، تلاش شد تا مدل ها با دقت بسیار به کار گرفته شوند. نتایج پژوهش نشان داد که برخلاف یافته های پژوهش های گذشته، این مدل ها نتایج خیره کننده ای در اختیار سرمایه گذاران قرار نمی دهند.

پیش بینی قیمت سهام, یادگیری ماشین, سرمایه گذاری, بورس اوراق بهادار تهران