پیش‌بینی قیمت طلای18عیار در ایران با مدل‌های یادگیری ماشین و شبکه‌ی عصبی: بررسی اثر متغیرهای کلان اقتصادی

محمد عبدالعلی‌زاده¹

1) فارغ التحصیل کارشناسی ارشد آمار گرایش اقتصادی و احتماعی ولیعصر رفسنجان

کد IOI مقاله : AAHA-AAHDKF
محل انتشار : پنجمین کنگره بین المللی مدیریت، اقتصاد، علوم انسانی، آموزش و پرورش و توسعه کسب و کار(5icmba.ir)
چکیده :
    در این پژوهش، هدف شناسایی و پیش‌بینی روند قیمت طلای ۱۸ عیار با بهره‌گیری از مدل‌های یادگیری ماشین و شبکه‌های عصبی بود. داده‌های روزانه قیمت طلا در بازار ایران طی سال‌های ۱۳۹۳ تا ۱۴۰۳ از سایت TGJU استخراج شد و شامل قیمت آغازین، پایانی، بیشینه و کمینه روزانه بود. مدل‌های SARIMAX (با استفاده و بدون استفاده از متغیرهای اقتصادی)، SVM و LSTM برای پیش‌بینی قیمت روز بعدی مورد ارزیابی قرار گرفتند. نتایج نشان داد که مدل SARIMAX با لگ زمانی ۱ و بدون متغیرهای اقتصادی بهترین عملکرد را داشته و با مقدار R² = 0.9997 دقت بسیار بالایی ارائه داد. افزودن متغیرهای کلان اقتصادی شامل قیمت دلار، نفت برنت و شاخص کل بورس، بهبود قابل توجهی در دقت پیش‌بینی ایجاد نکرد. مدل‌های LSTM و SVM توانستند الگوهای غیرخطی و ویژگی‌های پیچیده‌تر سری زمانی را استخراج کنند، اما همچنان از دقت SARIMAX کمتر بودند. مقایسه نتایج با داده‌های جهانی انس طلا نشان داد که الگوهای پیش‌بینی مشابه بوده و SARIMAX دقیق‌ترین پیش‌بینی را در هر دو مجموعه داده ارائه می‌دهد. این یافته‌ها نشان می‌دهد که استفاده از داده‌های روزانه طلای ۱۸ عیار و مدل SARIMAX، رویکردی مناسب و قابل اعتماد برای پیش‌بینی قیمت طلا در بازار ایران است.

کلمات کلیدی : واژه‌هاي كليدي پیش‌بینی قیمت طلا مدل‌های شبکه عصبی پیش‌بینی سری زمانی انس جهانی طلا مدل‌های هیبریدی