Abstract:
أصبح التنبؤ بسوق الأسهم مجالًا مهمًا للبحث. وقد استخدم الباحثون طرقًا مختلفة للتنبؤ بسلاسل أسعار سوق الأسهم. وفي التطورات الأخيرة، أصبحت أساليب الذكاء الاصطناعي (AI) واحدة من أكثر التقنيات شيوعًا للتنبؤ بالسلاسل الزمنية المالية. ومن بين طرق الذكاء الاصطناعي المستخدمة بشكل شائع لحل مشكلات السلاسل الزمنية المختلفة الشبكة العصبية الاصطناعية (ANN). تهدف هذه المقالة إلى تقديم دراسة مقارنة لتقييم أداء نماذج الشبكات العصبية الاصطناعية الثلاثة، وهي الشبكة العصبية ذات الانتشار الخلفي (BPNN) والشبكة العصبية ذات الدالة الشعاعية الأساسية (RBFNN) والشبكة العصبية ذات الذاكرة طويلة المدى قصيرة المدى (LSTM) في مشكلة التنبؤ بحركة سعر صرف الدولار الأمريكي ليوم واحد. وقد أجريت التجربة على سعر سهم شركتين، وهما مايكروسوفت (MSFT) وأبل (AAPL). تمت مقارنة أداء هذه النماذج باستخدام مقاييس الدقة، مثل متوسط الخطأ التربيعي (MSE) ومتوسط الخطأ المطلق (MAE) ومتوسط النسبة المئوية المطلقة (MAPE) وقيم درجة R التربيعية (R2). وبناءً على النتائج التي تم الحصول عليها، تفوق نموذج التنبؤ LSTM على النماذج البديلة بدرجة عالية من الدقة، وتبين أنه فعال للغاية في تعلم بيانات السلاسل الزمنية.
