رویکردهای نوین در مدل سازی و پیش بینی بازارهای مالی: پیشرفت های اخیر و افق های آینده

سری های زمانی مالی اساسا پیچیده، دینامیک، نویزی، غیرخطی، غیرپارامتری و آشوبگونه هستند، لذا پیش بینی بازارهای مالی به عنوان یکی از چالش برانگیزترین زمینه ها در حوزه مهندسی و اقتصاد مطرح می باشد. با پیشرفت روزافزون هوش مصنوعی و روی کارآمدن روش های نوین یادگیری عمیق، مساله پیش بینی بازار سهام با تحولات چشمگیری بخصوص در زمینه مدل های پیاده سازی و نیز حجم عظیمی از انواع داده های ورودی همراه شده است. چهار گام مهم برای ایجاد یک ساختار پیش بینی هوشمند سیستماتیک شامل: ورودی های مدل، انتخاب الگوریتم های پیش بینی و ارایه ساختار کلی مدل پیش بین، بکاربردن توابع خطای متناسب با مساله جهت آموزش الگوریتم یادگیری و در نهایت ارزیابی صحیح نتایج با توجه به معیارهای مورد نظر می باشد. در این مقاله مرور جامعی بر رویکردهای اخیر مساله پیش بینی بازار سهام با تمرکز بر چهار عامل فوق ارایه گردیده است. مهم ترین دست آورد های این مقاله عبارتند از: 1- بررسی همه جانبه مساله شامل: مرور انواع ورودی های مدل، ساختارهای مختلف پیش بینی، آموزش مدل و انواع توابع خطای بکار برده شده، و نیز سنجه های ارزیابی نتایج، بصورت کاملا طبقه بندی شده و ساختاریافته بطوریکه نقشه راه مساله و چالش های موجود را بسادگی در اختیار علاقه مندان قرار دهد و هر بخش زمینه پژوهشی مهمی را به پژوهشگران ارایه نماید. 2- تحلیل کامل هر بخش، مشخص کردن کاربرد هریک از روش ها و بحث و بررسی مزایا و معایب آن ها براساس آخرین پیشرفت ها و ارایه چشم اندازهایی از مرزهای پژوهشی مساله 3- مشخص کردن مسیر تحقیقاتی درحال انجام، رویکردهای آینده و مسایل باز جهت کمک به محققان و پژوهشگران علاقه مند به این حوزه.