ارائه مدل های پیش بینی از شاخص های مالی با استفاده از رگرسیون و شبکه های عصبی

فرآیند داده کاوی در حوزه اقتصاد و مسائل مالی در مقالات بسیاری انجام شده است. در هر کدام از این تحقیقات، معمولا ابتدا تعدادی عوامل اقتصادی و غیراقتصادی انتخاب شده و در ادامه پس از جمع آوری داده ها و انجام فرآیند داده کاوی، الگوی ارتباطی بین آنها کشف می شود. به عبارت دیگر، در این تحقیقات معمولا تلاش می شود که با ارائه یک مدل، میزان تاثیر هر شاخص مالی از تغییر شاخص های مالی دیگر به دست آید. با این حال در این تحقیقات معمولا داده ها یا خیلی قدیمی هستند که باعث می شود نتایج آنها برای وضعیت فعلی کاربردی نداشته باشد؛ و یا مربوط به شاخص های مالی بین المللی هستند که در بسیاری از مواقع نمی توان نتایج آنها را به شرایط داخلی تعمیم داد. در معدود تحقیقات انجام شده نیز، عوامل اقتصادی زیادی مورد بررسی قرار نگرفته است و بنابراین خلا وجود یک تحقیق جامع و جدید از وضعیت شاخص های مالی داخلی (کشور ایران) احساس می شود. در این مقاله، ابتدا داده های شش شاخص مالی داخلی شامل طلای ۱۸ عیار، سکه تمام بهار، نفت (ریال)، نفت (دلار)، دلار، و یورو از تاریخ ۰۱/۰۱/۱۳۹۸ الی ۳۱/۰۲/۱۴۰۲ (در مجموع ۱۵۲۲ رکورد) جمع آوری شده و بعد از پاک سازی و نرمال سازی، با استفاده از روش های رگرسیون و پرسپترون چندلایه مورد تحلیل قرار گرفته و مدل های پیش بینی از آنها استخراج می شود. نتایج معیارهای ارزیابی (شامل ضریب همبستگی، میانگین خطای مطلق و غیره) از مقایسه نتایج مدل های استخراج شده با نتایج واقعی، اختلاف بسیار کمی را نشان می دهند (برای مثال، معیار ضریب همبستگی در روش رگرسیون و پرسپترون چند لایه به ترتیب برابر با ۰.۹۹۶۴ و ۰.۹۹۹۹ است) که نشان دهنده انتخاب درست شاخص های مالی، تاثیر مستقیم و اساسی آنها بر یکدیگر، و دقت بالای مدل های پیش بینی به دست آمده است.