استعمال ادوات الذكاء الاصطناعي في التنبؤ باسواق المال
Abstract
تهدف هذه الدراسة إلى استكشاف الإسهام المحتمل للشبكات العصبية الاصطناعية في تعزيز دقة التنبؤات المالية وتقوية تدابير الأمن السيبراني في مواجهة الهجمات المتطورة. يمتد تأثير الشبكات العصبية الاصطناعية إلى الأسواق المالية، حيث استُعملت بنجاح في تحليل البيانات الضخمة والتنبؤ باتجاهات السوق بالاعتماد على أنماط معقدة تعجز الأساليب التحليلية التقليدية عن اكتشافها. كما تعتمد هذه الشبكات على التعلم العميق ومعالجة البيانات الزمنية لتحليل مؤشرات السوق، بما يسهم في اتخاذ قرارات استثمارية أكثر دقة. ومع ذلك، تواجه هذه المحاولات بعض القيود، من بينها حالة عدم اليقين الذي تمتاز به البيانات المالية الكبيرة وصعوبة التكيف مع الصدمات الاقتصادية غير المتوقعة
. تُعد خوارزمية الانتشار العكسي واحدة من أكثر خوارزميات تدريب الشبكات العصبية شيوعًا في التنبؤ بالسلاسل الزمنية المالية. وتتمثل إحدى أبرز الإشكاليات المرتبطة باستعمال هذه الخوارزمية في تحديد عدد الطبقات المخفية وعدد الخلايا في كل طبقة مخفية. يسعى هذا البحث إلى اقتراح أفضل نموذج للتنبؤ بسوق المال من خلال استعمال نماذج مختلفة من خوارزمية الانتشار العكسي، بالاعتماد على اختلاف عدد الخلايا في الطبقة المخفية .وقد تم اعتماد سوق دبي المالي مثالًا تطبيقيًا لتقييم أداء النماذج المختلفة. حيث تم جمع خمس سلاسل زمنية مالية خام تمثل على التوالي سعر الافتتاح اليومي، وأعلى سعر يومي، وأدنى سعر يومي، وسعر الإغلاق اليومي، وحجم التداول اليومي، وذلك خلال فترة أيام التداول في سوق دبي المالي (DFM) من 4 أبريل 2022 إلى 21 فبراير 2025 حيث تضم كل سلسلة زمنية 800 قراءة. وتُظهر النتائج التجريبية أن النموذج المعماري المكوَّن من طبقة إدخال واحدة تحتوي على N من الخلايا، وطبقة مخفية واحدة تضم خلية، وطبقة إخراج تحتوي على خلية واحدة، يتفوق على بقية النماذج المقترحة من حيث الأداء والدقة والوقت المستغرق.
Downloads
References
• السامرائي، باسم محمد. (2012). الأسواق المالية: المفاهيم والآليات. عمّان: دار اليازوري العلمية.
• العلي، أحمد محمود. (2018). إدارة المخاطر المالية والتنبؤ بالأسواق. عمّان: دار المسيرة.
• النجار، فؤاد علي. (2016). السلاسل الزمنية وتطبيقاتها في العلوم المالية. عمّان: دار صفاء للنشر.
• الهيتي، خليل إبراهيم. (2010). إدارة الاستثمارات والأسواق المالية. عمّان: دار المسيرة للنشر والتوزيع.
• شحاتة، حسين حسين. (2015). الاستثمار في الأوراق المالية وإدارة المحافظ. الإسكندرية: الدار الجامعية.
• عبد المجيد، محمد عبد الله. (2014). التحليل المالي واتخاذ القرارات الاستثمارية. القاهرة: دار الفكر الجامعي.
• Kao L. J.، C. C. (2012). Integration of nonlinear independent component analysis and support vector regression for stock price forecasting. Neurocomputing.
• Lee، C. J. (2009). Financial time series forecasting using independent component analysis and support vector regression. Decision Support Systems، 47 (2)، 115-125.
• Lu، C. J. (2010). Integrating independent component analysis-based denoising scheme with neural network for stock price prediction. Expert Systems with Applications، 37(10)، 7056-7064.
• Liu H.، W. J. (2011). Integrating Independent Component Analysis and Principal Component Analysis with Neural Network to Predict Chinese Stock Market. Vol. 2011، 15.
Published
Deprecated: Return type of Carbon\Traits\Date::createFromTimestamp($timestamp, $tz = null) should either be compatible with DateTime::createFromTimestamp(int|float $timestamp): static, or the #[\ReturnTypeWillChange] attribute should be used to temporarily suppress the notice in /home/iqserver/journals/kjeas.uowasit.edu.iq/lib/pkp/lib/vendor/nesbot/carbon/src/Carbon/Traits/Timestamp.php on line 29
2026-07-09
