پیش بینی بورس ایران با شناخت ساختارها و شاخص های اقتصادی برپایه زنجیره مارکف

روش های یادگیری ماشین به عنوان یکی از تاثیرگذارترین تکنیک ها در سازمان تجارت جهانی به خصوص بورس، تاثیر گذاشته است. به طوری که امروزه عملیات برنامه ریزی، تفکیک داده ای، تخمین و پیش بینی سهام بورس، با این روش ها انجام می شود. چنین تکنیک هایی که در سازمان بورس مورد استفاده واقع می گردند، می بایست قابلیت یادگیری و پشتیبانی از داده جهت تخمین و پیش بینی را دارا باشند. شاخص بورس با رشد و کاهش سهام، یک مسئله نگران کننده است که روزانه گزارشات زیادی ناشی از دست رفتن منابع مالی و یا سوددهی داده می شود. زمانی که بورس شامل مجموعه ای گسترده از سهام متنوع می شود، امنیت فیزیکی، امنیت شبکه ای، رمزنگاری و مجوز دسترسی، مفاهیم و مکانیزمی ویژه برای تضمین و پیش بینی آینده آن را نیاز دارند. در این پژوهش به پیش بینی داده های بورس ایران در سال ۱۴۰۱ پرداخته شده است تا بتوان بخشی از مشکلات موجود در حوزه زیان های مالی و یا سوددهی های آتی را حل نمود. این تحقیق به پیش بینی سهام شستا مربوط به سازمان تامین اجتماعی می پردازد و داده های استفاده شده از TSETMC گرفته شده است. این عمل با استفاده از روش شاخص های اقتصادی و مبتنی بر زنجیره مارکف انجام گرفته است. ساختار و شاخص های اقتصادی تاثیرگذار بر روی داده ها برپایه عواملی هم چون ارتباطات سیاسی، چرخه های سیاسی و بازده سهام، کووید-۱۹ و بررسی تاثیر آن در کسب و کارها و تحریم های اقتصادی جهت تعیین شاخص های شستا می باشند.

کلیدواژه ها:

پیش بینی سهام بورس ، شاخص های اقتصادی ، زنجیره مارکف ، یادگیری ماشین