کاربرد هوش مصنوعی در بازارهای مالی
کاربرد هوش مصنوعی در بازارهای مالی
سبحان خانی1 عبدله چاله چاله2
1) دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه،
2) دانشیار گروه مهندسی کامپیوتر،دانشکده فنی و مهندسی، دانشگاه رازی، کرمانشاه،
کد IOI مقاله
:
AAHD-ABKBBE
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
بازارهای مالی از دادهمحورترین محیطهای تصمیمگیری در اقتصاد امروز به شمار میروند و بهصورت پیوسته حجم عظیمی از دادههای قیمتی، حجمی، ساختاری، خبری و رفتاری تولید میکنند. این ویژگی بستری مناسب برای بهکارگیری هوش مصنوعی در تحلیل بازار و طراحی سامانههای معاملاتی هوشمند فراهم کرده است. مقاله حاضر با رویکردی مروری و کاربردمحور، جایگاه هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی را در بازارهای مالی بررسی میکند. نخست مفاهیم پایه معاملات الگوریتمی، سطوح سهگانه بهکارگیری هوش مصنوعی در سامانههای معاملاتی، مزایای عملیاتی این فناوری و انواع منابع داده مالی معرفی میشود. سپس روشهای کلاسیک یادگیری ماشین شامل مدلهای خطی، ماشین بردار پشتیبان، درخت تصمیم، جنگل تصادفی، روشهای تقویت گرادیان و الگوریتمهای خوشهبندی و کاربرد هر یک در تحلیل مالی تشریح میگردد. در ادامه، معماریهای اصلی یادگیری عمیق شامل شبکههای بازگشتی، شبکههای حافظه بلندمدت کوتاهمدت، واحدهای بازگشتی دروازهای، شبکههای کانولوشنی، خودرمزگذارها، خودرمزگذارهای واریانسی، شبکههای عصبی گرافی، مدلهای مبتنی بر ترنسفورمر، مدلهای زبانی بزرگ حوزه مالی و یادگیری تقویتی عمیق بهصورت توصیفی معرفی شده و کاربرد عملی هر یک با استناد به پژوهشهای شاخص نشان داده میشود. بخش بعدی به نه حوزه کاربردی کلیدی اختصاص دارد: پیشبینی قیمت و جهت بازار، پیشبینی نوسانپذیری، تحلیل احساسات مالی، آربیتراژ آماری، بهینهسازی پرتفوی و مشاوره خودکار سرمایهگذاری، مدیریت ریسک و اعتبارسنجی، تشخیص ناهنجاری و تقلب، بهینهسازی اجرای سفارش، و بازارسازی خودکار. همچنین مجموعهدادههای پرکاربرد، معیارهای ارزیابی آماری و مالی، رویکرد اعتبارسنجی زمانی و چرخه هشتمرحلهای توسعه یک سامانه معاملاتی هوشمند تشریح میگردد. یافتهها نشان میدهد هوش مصنوعی با افزایش سرعت پردازش، حذف سوگیریهای رفتاری، توانایی تحلیل همزمان منابع داده متنوع و ارائه سنجش کمی از ریسک، نقش تعیینکنندهای در ارتقای کیفیت تحلیل و تصمیمگیری در بازارهای مالی ایفا میکند.
کلمات کلیدی : هوش مصنوعی بازارهای مالی معاملات الگوریتمی یادگیری تقویتی تحلیل احساسات مالی مدیریت ریسک