Navigating the Stock Market: The Role of State-of-the-Art Deep Learning Techniques

الأهداف: تُعد الثقة في اتخاذ قرارات الاستثمار من الأدوات الرئيسية لتقييم أسواق الأسهم. يتوجب على كل مستثمر تحديد أسعار الأسهم المستقبلية قبل تطوير استراتيجيات الاستثمار لتعزيز عائداتهم. ومع ذلك، فإن الطبيعة غير الخطية والمعقدة والمتقلبة والديناميكية لبيانات الأسهم تجعل من التنبؤ بأسعار الأسهم مهمة صعبة. تهدف هذه الدراسة إلى مواجهة هذه التحديات وتحسين دقة التنبؤ باستخدام تقنيات النمذجة المتقدمة. المنهجية: اقترحنا نموذجًا هجينًا للشبكات العصبية يدمج بين وحدات التكرار المغلقة ثنائية الاتجاه (BiGRU) والشبكات العصبية الالتفافية أحادية البعد (CNNs). تم إجراء تجارب على خمس مجموعات بيانات لأسعار الأسهم، تضمنت ثلاث أدوات أسهم فردية ومؤشرين للأداء في أسواق الأسهم. شملت معايير التقييم متوسط الخطأ المطلق (MAE) وجذر متوسط مربع الخطأ (RMSE). النتائج: حقق النموذج الهجين المقترح أدنى قيم للـ MAE لمجموعات البيانات الفردية، حيث تراوحت بين 0.357 و1.747. كما أظهرت التجارب انخفاضًا يتراوح بين 42% و91% في قيم RMSE مقارنةً بالأساليب القياسية المعتمدة على CNN وGRU، مما يعكس تحسنًا كبيرًا في دقة التنبؤ. الأبعاد: تشير النتائج إلى أن النموذج الهجين القائم على وحدات BiGRU والشبكات العصبية الالتفافية يعد فعالًا في التنبؤ الدقيق بأسعار الأسهم، مما يوفر موثوقية محسّنة لاتخاذ قرارات الاستثمار. يمكن لهذا النموذج دعم المستثمرين والمحللين في مواجهة تعقيدات سوق الأسهم. الاستنتاجات: يثبت النموذج الهجين المعتمد على BiGRU والشبكات العصبية الالتفافية تفوقه في التنبؤ بأسعار الأسهم مقارنة بالأساليب التقليدية. يمثل هذا النموذج أداة واعدة لتعزيز التحليلات التنبؤية في الأسواق المالية، مما يساهم في تحسين استراتيجيات الاستثمار وتقليل المخاطر السوقية.

Перевод пока недоступен