پیش بینی نرخ ارز در ایران با استفاده از تلفیق داده ها و مدل جامع مبتنی بر یادگیری ماشین

نرخ ارز همواره از مهم ترین شاخص های اقتصادی بوده که عوامل مختلفی در تعیین آن موثرند. بعضی از این عوامل در قالب متغیرهای اقتصادی و برخی دیگر به شکل اخبار سیاسی-اقتصادی بازتاب دارند. پرسش مهمی که تاکنون پاسخ دقیقی به آن داده نشده، این است که آیا می توان مدلی جامع و توسعه پذیر به منظور مدل سازی و پیش بینی نرخ ارز داشت به نحوی که دربرگیرنده تمامی متغیرها و عوامل موثر باشد؟ در این پژوهش به عنوان پاسخی برای این پرسش، با استفاده از یادگیری ماشین و رویکرد تلفیق داده ها، مدلی جامع مبتنی بر یادگیری عمیق ارائه شده که از انواع داده پشتیبانی می کند. به منظور آموزش مدل اخبار موثر بر نرخ ارز از ۱۰ پایگاه اصلی داخلی و خارجی در بازه زمانی ۱۳۹۳ تا ۱۴۰۲ جمع آوری شده و به همراه داده های نرخ ارز و سایر شاخص های اقتصادی مستقیما به مدل داده شده است. به منظور یافتن بهترین مدل، ۸ مدل یادگیری ماشین، ۲ مدل آماری و یک مدل زبانی بزرگ در هر دو حالت رگرسیون و کلاس بندی آموزش و آزموده شده اند. برای اجتناب از سوگیری و نتایج تصادفی، از تکنیک های اعتبارسنجی متقابل منطبق بر توالی زمانی و تکرار آموزش و آزمون مدل ها با مقادیر اولیه تصادفی متفاوت، استفاده شده است. نتایج به دست آمده حاکی از آن است که رویکرد جامع و توسعه پذیر پیشنهادی با لحاظ کردن تمامی عوامل موثر به صورت مستقیم، به طور قابل توجهی عملکرد بهتری در مقایسه با رویکردهای گذشته داشته است.

Keywords:

پیش بینی نرخ ارز , تلفیق داده ها , مدل جامع , یادگیری ماشین , هوش مصنوعی