دور التنبؤ بتقلبات أسعار الأسهم في إدارة المخاطر المالية بالاعتماد على الشبكات العصبية الاصطناعية دراسة حالة سوق إسطنبول للأوراق المالية.

Abstract

تهدف الدراسة إلىبناء نموذج مطور من الشبكات العصبية الاصطناعية للتنبؤ بتقلبات أسعار الأسهم ومعرفة دوره في إدارة المخاطر المالية، مع التركيز على قياس المخاطر باستخدام مقياس القيمة المعرضة للخطر المشروطة، واستخدام تقنيات متقدمة لمعالجة البيانات كالاستيفاء الخطي لمعالجة القيم المفقودة، وحساب العوائد اللوغاريتمية، بالإضافة إلى تنعيم السلاسل الزمنية باستخدام تحويل المويجاتWaveletTransform، وتطبيع الميزات عبر أداة RobustScaler لضمان استقرار توزيع البيانات.تم تطوير نموذج تنبؤي قائم على بنية شبكة المحول Transformer مستفيد من دمج آليات الانتباه متعدد الرؤوس مع الشبكات العصبية العميقة، واعتماد دالة الخسارة Huber Lossوخوارزمية التحسين AdamW لتحقيق التوازن بين الدقة ومقاومة القيم الشاذة. استخدمت الدراسة بيانات يومية للفترة الممتدة من 03/01/2001 إلى 31/12/2024، حيث قسمت إلى مجموعات هي مجموعة للتدريب ومجموعة للتحقق ومجموعة للاختبار، مع استبعاد بيانات شهر ديسمبر واعتبارها كعينة مستقلة للتنبؤ بسعر إغلاق اليوم التالي لمؤشر BIST100 هذا من جهة،ومن جهة أخرى تم اعتماد نوعين من البيانات كمدخلات للنموذج قسمت إلى ميزات ذاتية التي تمثل البيانات التاريخية لعشرين يوم السابقة للسعر الحالي لمؤشر BIST100، وميزات خارجية تتمثل في أسعار إغلاق أسهم أهم المؤشرات الرئيسية في البورصة العالمية وهي: مؤشر S&P 500، مؤشر Dow Jones، مؤشر Nasdaq، مؤشر Small Cap 2000، وأسعار الذهب باعتباره عامل مهم في السوق المالي،بالإضافة إلى مؤشرات التداول اليومية لأسهم مؤشر BIST100 وهي: سعر الافتتاح، أعلى سعر، وأدنى سعر، هذا بمجموع كامل 321789 مشاهدة، وذلك بالاستعانة بلغة البرمجة Python على برنامج Anaconda Navigator. اعتمدت الدراسةعلى مقاييس الأداء المتمثلة في متوسط مربع الخطأ Mean Squared Error (MSE)، متوسط الخطأ المطلق Mean Absolute Error (MAE)، معامل التحديد Coefficient of Determination R2، قدرة التنبؤ بالاتجاه Predictive Capability Direction (PCD)لتقييم أداء الشبكة العصبية الاصطناعية، حيثأظهرت نتائج الدراسة دقة تنبؤية عالية، كما أن نتائج حساب CVAR للعوائد الحقيقية والمتنبئ بها أظهرت تقاربا واضحا حيث بلغت نسبة الخطأ في تقدير المخاطر حوالي 9.37%، والتي نستنتج من خلالها أن استخدام نماذج الشبكات العصبية الاصطناعية كنموذج المحول في التنبؤ بتقلبات أسعار الأسهم يساهم بفعالية في تحسين قياس وإدارة المخاطر المالية، مما يؤكد أهمية هذه النماذج كأدوات داعمة لاتخاذ القرارات الاستثمارية في الأسواق المالية ذات الطبيعة المتقلبة والمخاطر المرتفعة، خاصة في الأسواق الناشئة كسوق إسطنبول للأوراق المالية والمعبر عنه بمؤشر BIST100والتي تتسم بأنماطها المعقدة وبتقلباتها العالية.