پیش بینی قیمت با شبکه عصبی مصنوعی LSTM و مدل انتخاب سبد سهام دارایی های مالی و ارز های دیجیتال

یافتن راهکار هایی برای پیش بینی قیمت، تشکیل سبد سهام بهینه و دستیابی به سود بیشتر از اهداف اساسی فعالان بازار های مالی می باشد. هدف از این پژوهش پیش بینی قیمت دارایی های مالی نظیر چندین سهام بورس، طلا، سکه و تعدادی از ارزهای دیجیتال با استفاده از مدل شبکه عصبی LSTM و سپس تشکیل سبد سهام بهینه با محاسبه میزان بازده، ریسک و معیار شارپ است. داده های استفاده شده از آرشیو وب سایت بورس و اوراق بهادار تهران، وب سایت شبکه اطلاع رسانی طلا، سکه و ارز و همچنین وب سایت خرید و فروش ارزهای دیجیتال می باشد. سری زمانی قیمت دارایی های مورد بررسی طی سال های 2017 تا 2020 میلادی است. همچنین برای ساخت مدل و تحلیل داده ها از زبان برنامه نویسی پایتون و نرم افزار گفی استفاده نمودیم. در پایان مشخص گردید که مدل شبکه عصبی LSTM قادر به پیش بینی قیمت دارایی های مالی با میزان خطای بسیار کم در هر دارایی می باشد و با توجه به میزان معیار شارپ به دست آمده برای هر دارایی مالی و ماتریس همبستگی، سهام وبانک و سهام خبهمن 1 و همچنین ارز های دیجیتال ترون، تتر و بیت کوین سهم بیشتری را در سبد سهام پیشنهادی به خود تخصیص می دهند.