الشبكات العصبية المتكررة مع LSTM للتنبؤ بمؤشر سوق الأسهم

تلعب الأسواق المالية دور محورى فى اقتصاديات الدول. يحاول المستثمرين التنبؤ بالأسواق المالية من أجل تقليص الخسائر، زيادة الأرباح، وتحديد التوزيع الأمثل لعمليات الشراء والبيع للأسهم المختلفة. يصعب التنبؤ بالأسواق المالية بسبب الكثير من العوامل مثل تعقيد خصائص السلاسل الزمنية لأسعار المؤشرا المالية. ايضا أن حدوث أى تغييرات فى العوامل الخارجية عن الأسواق المالية لها تأثير كبير على الأسعار مثل كوفيد 19 وأى حروب أو عدم أستقرار سياسى حتى لو كان فى مناطق مختلفة وبعيدة. ايضا تفترض فرضية كفاءة السوق أنه لا يمكن التنبؤ بالأسعار المالية لأنها تمتص جميع الأخبار والمعلومات. أن تطويرآليات التعلم العميق ساهم بشكل كبير فى عملية التنبؤ بالأسواق المالية. الشبكات العصبية المتكررة هي واحدة من تقنيات التعلم العميق الهامة. في الآونة الأخيرة ، ساعد تعزيز القوة الحسابية وعملية التعلم من خلال تقنيات التعلم الآلي المختلفة التنبؤ بالأسواق المالية.
يتبع هذا البحث التنبؤ بالمؤشر الرئيسي للبورصة المصرية EGX30 باستخدام الشبكات العصبية ذات الذاكرة طويلة وقصيرة المدى .على حد علمنا ، لم يتم إجراء أي بحث للتنبؤ ب EGX30 باستخدام الشبكات العصبية ذات الذاكرة طويلة وقصيرة المدى . تم تطبيق نموذجين للتنبؤ LSTM و ARIMA من أجل مقارنة أدائهما. تظهر النتائج أن أداء LSTM جيد في التنبؤ بأسعار وعوائد EGX30.