مكان الجامعة: القادسية

الصفحات الاولى:

المستخلص: تهدف الدراسة الى التنبؤ باسعار الاسهم متمثلةً باسعار الاغلاق اليومية باستخدام نموذج مطور من الشبكات العصبية الاصطناعية متمثلاً بنموذج شبكة الذاكرة الطويلة لمساعدة المستثمرين في اتخاذ قرار الاستثمار بالاسهم. تمثل مجتمع الدراسة بشركات القطاعين المصرفي والصناعي المدرجة في سوق العراق للاوراق المالية، فيما اقتصرت عينة الدراسة على (8) شركات توزعت بين (4) مصارف و (4) شركات صناعية لمدة سنتين وثلاثة اشهر من (2/1/2020) الى (31/3/2022) بشكل يومي بواقع اربع مشاهدات اسبوعياً. وبغية تحليل واختبار فرضيات الدراسة، تم بناء نموذج شبكة الذاكرة الطويلة على منصة Google Colab بواسطة لغة البرمجة Python من خلال مجموعة من المكتبات التابعة لهذه اللغة اهمها مكتبة Keras المعروفة في مجال التعلم الالي. انتهجت الدراسة اسلوباً تحليلياً للمقارنة بين نموذجين لشبكة الذاكرة الطويلة، الاول احادي المتغير يعتمد على سلسلة اسعار الاغلاق السابقة، والثاني متعدد المتغيرات يعتمد على مجموعة من مؤشرات التداول اليومية للاسهم عينة الدراسة، اذ جرت المفاضلة بينهما لترشيح النموذج الامثل وفقاً لمقاييس الاداء المتمثلة بكل من متوسط الخطا التربيعي Mean Squared Error (MSE) وجذر متوسط الخطا التربيعي Root Mean Squared Error (RMSE) ومعامل الارتباط Correlation Coefficient (R). وتوصلت الدراسة الى عدة نتائج اهمها فاعلية نماذج شبكة الذاكرة الطويلة كافة، كما بينت النتائج ان النموذج احادي المتغير اكثر دقة مقارنة بالنموذج متعدد المتغيرات للتنبؤ باسعار الاغلاق للاسهم عينة الدراسة. وفي ضوء ذلك قدمت الدراسة عدة توصيات اهمها الاعتماد على مخرجات نموذج شبكة الذاكرة الطويلة في اتخاذ قرار الاستثمار بالاسهم عينة الدراسة في الاجل القصير، كما اوصت بضرورة تكثيف الدراسات والابحاث في مجال الشبكات العصبية الاصطناعية والاستفادة من تطبيقاتها في القطاع المالي عموماً والاسواق المالية خصوصاً، لما من شانه تقليل الوقت والجهد والكلفة وتحسين جودة الخدمات المالية.

النص الكامل:

الملخص:

المصادر: