Farahani Z, Keyghobadi A, Madanchi Zaj M, Hashemi Daran H. A Multi-Source Deep Learning Framework with Attention and SHAP Explainability for Daily Gold Price Forecasting. , jor. 2026; 23 (3) :83-101
URL:
http://jamlu.lahijan.iau.ir/article-1-2324-fa.html
فراهانی زهرا، کیقبادی امیررضا، معدنچی زاج مهدی، هاشمی داران حسن. طراحی چارچوبی تبیینپذیر مبتنی بر یادگیری عمیق چندمنبعی برای پیشبینی نرخ برابری طلا به دلار. ، تحقیق در عملیات در کاربردهای آن. 1405; 23 (3) :83-101
URL: http://jamlu.lahijan.iau.ir/article-1-2324-fa.html
گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران ، ar.keyghobadi@iau.ac.ir
چکیده: (473 مشاهده)
پیشبینی نرخ برابری طلا به دلار بهدلیل نوسانات شدید، روابط غیرخطی و تاثیرپذیری همزمان از عوامل اقتصادی و رفتاری، یکی از مسایل پیچیده در اقتصاد مالی محسوب میشود. مطالعات پیشین عمدتاً بر دادههای قیمتی یا شاخصهای تکنیکال متمرکز بودهاند و کمتر به تلفیق نظاممند دادههای ساختاریافته و سیگنالهای احساسی همراه با تبیینپذیری مدل پرداختهاند. پژوهش حاضر با هدف رفع این خلأ، چارچوبی یادگیری عمیق چندمنبعی و تبیینپذیر ارایه میکند که در قالب معماری دوجریانی طراحی شده است. در این چارچوب، دادههای قیمتی بازار توسط واحد بازگشتی دروازهدار پردازش شده و امتیازهای احساسی اخبار مالی با وقفه یکروزه از طریق سازوکار توجه تحلیل میشوند. همچنین، برای انتخاب ویژگی و افزایش شفافیت تصمیمگیری، از روش ارزش شاپلی استفاده شده است.
بهمنظور ارزیابی عملکرد مدل، چهار سناریوی آزمایشی شامل ترکیبهای مختلف دادههای قیمتی، شاخصهای تکنیکال منتخب و سیگنالهای احساسی تعریف شد. نتایج تجربی نشان داد معماری دوجریانی مبتنی بر دادههای قیمتی و احساسات تاخیری بهترین عملکرد را داشته و به مقادیر 75/27 برای ریشه میانگین مربعات خطا و 73/19 برای میانگین خطای مطلق دست یافته است. مقایسه با مدلهای تکجریانی نشان میدهد تلفیق دادههای چندمنبعی و بهرهگیری از سازوکار توجه موجب بهبود معنادار دقت پیشبینی شده است. افزون بر این، استفاده از روش ارزش شاپلی با حذف ویژگیهای کماثر و برجستهسازی نقش شاخصهای مومنتوم کوتاهمدت، سطح تبیینپذیری مدل را افزایش داده است.
یافتههای پژوهش بیانگر آن است که ترکیب معماریهای چندمسیره، دادههای احساسی تاخیری و ابزارهای تبیینپذیر میتواند چارچوبی دقیقتر، پایدارتر و قابل اعتمادتر برای پیشبینی بازارهای مالی پرتلاطم فراهم سازد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1404/10/13 | پذیرش: 1405/2/23 | انتشار: 1405/6/20