| تحلیل تطبیقی کاربرد هوش مصنوعی در پیش‌بینی بازارهای مالی: با تأکید بر تحلیل شبکه‌های اجتماعی |
| کد مقاله : 1027-CYSP2024 (R1) |
| نویسندگان |
|
صمد سهراب *1، حمید نیک کار2، افشین آقاپور3 1مربی دانشگاه امام مهدی 2دانشجوی ارشد 3کارشناس |
| چکیده مقاله |
| با توجه به نوسانات شدید بازارهای مالی و چالش‌های موجود برای سرمایه‌گذاران، استفاده از الگوریتم‌های هوش مصنوعی، به‌ویژه یادگیری ماشین و یادگیری عمیق، به‌عنوان ابزاری مؤثر برای بهبود دقت پیش‌بینی‌ها ضروری است. این تحقیق به بررسی تعامل هوش مصنوعی و تحلیل احساسات اجتماعی در بهبود دقت پیش‌بینی قیمت سهام می‌پردازد. با روش تحقیق آمیخته (کمی و کیفی)، داده‌های تاریخی قیمت سهام و حجم معاملات از منابع معتبر جمع‌آوری و تحلیل شدند، و همچنین داده‌های احساسات از شبکه‌های اجتماعی با تکنیک‌های پردازش زبان طبیعی (NLP) استخراج گردید. نوآوری این پژوهش در ادغام الگوریتم‌های هوش مصنوعی، به‌ویژه شبکه‌های عصبی عمیق، با تحلیل احساسات اجتماعی به‌منظور شناسایی الگوهای پیچیده در داده‌هاست. نتایج نشان می‌دهند که الگوریتم‌های هوش مصنوعی می‌توانند دقت پیش‌بینی قیمت‌ها را به ۸۹ درصد و خطای میانگین مطلق را به ۰.۶۵ کاهش دهند. همچنین، تحلیل احساسات مثبت از شبکه‌های اجتماعی دقت پیش‌بینی‌ها را به ۸۵ درصد ارتقاء می‌دهد، درحالی‌که احساسات منفی تأثیر منفی بر نتایج دارند. این یافته‌ها بر اهمیت ادغام داده‌های مالی و اجتماعی تأکید کرده و می‌توانند به سرمایه‌گذاران در اتخاذ تصمیمات آگاهانه‌تر و کاهش ریسک‌های سرمایه‌گذاری کمک کنند. به‌طورکلی، این پژوهش به بهبود استراتژی‌های سرمایه‌گذاری و مدیریت ریسک در بازارهای مالی می‌انجامد. |
| کلیدواژه ها |
| هوش مصنوعی، پیش‌بینی بازارهای مالی، تحلیل احساسات، شبکه‌های اجتماعی، یادگیری ماشین، یادگیری عمیق، مدیریت ریسک |
| وضعیت: پذیرفته شده برای ارائه شفاهی |