تجزیه و تحلیل شوک‌های بازار با مدل هیبریدی ARMA-GARCH و یادگیری عمیق برای پیش بینی پیشرفته

چکیده

هدف: هدف اصلی پژوهش حاضر ارائه مدلی جهت پیش بینی شوک بازار سهام با رویکرد یادگیری عمیق در بورس اوراق بهادار تهران می­باشد.   روش شناسی: پژوهش حاضر از نظر هدف، کاربردی است. به این معنا که در پی حل یک مشکل خاص در دنیای واقعی است، یعنی پیش‌بینی شوک‌های بازار سهام. از نظر ماهیت، این پژوهش توصیفی-تحلیلی است، زیرا هدف آن بررسی و تحلیل تغییرات بازار در طول زمان است و از روش‌های آماری برای تحلیل داده‌ها استفاده می‌کند، برای این منظور از داده­های 15 دقیقه­ای درون روزی شاخص کل در بازه زمانی 20/3/97 تا 27/12/97 که شامل مقادیر آغازین، پایانی، بیشترین و کمترین شاخص­ مذکور بودند استفاده شده است. در مدل پیشنهادی ابتدا اطلاعات آماری سری زمانی توسط مدل ARMA-GARCH استخراج و سپس با استفاده از روش یادگیری عمیق و  عصبی پیچشی (کانولوشن) یک بعدی برای مدل کردن رابطه غیر خطی مشاهدات سری زمانی استفاده می­شود و در نهایت مدل­های مناسب انتخاب و بر  اساس معیارهای ریشه میانگین خطاها (MSE)، ریشه میانگین مجذور خطاها (RMSE) و میانگین قدر مطلق خطاها (MAE)  دقت پیش بینی­ها ارزیابی می­شود.   یافته ها: نتایج این پژوهش نشان داد که مدل ترکیبی ARMA-GARCH-CNN، با بهره‌گیری از نقاط قوت هر دو روش سنتی و مدرن، قادر به پیش‌بینی دقیق شوک‌های بازار بوده است.   نتیجه گیری: این پژوهش با تمرکز بر بازار سهام ایران و استفاده از داده‌های درون‌روزی بورس تهران، توانسته است به‌طور خاص و دقیق به پیش‌بینی شوک‌های بازار ایران بپردازد. این تمرکز بومی‌سازی مدل برای بازار ایران به‌طور چشمگیری دقت نتایج را افزایش داده و امکان شبیه‌سازی شرایط خاص این بازار را فراهم کرده است. به‌طور کلی، این پژوهش یک مدل ترکیبی نوآورانه برای تحلیل بازار سهام ایران ارائه داده که می‌تواند برای تحلیل‌های آینده در بازارهای مشابه مفید واقع شود.