به‌کارگیری یادگیری ماشین در تحلیل اثرپذیری شاخص صنایع غذایی: شبکه عصبی حافظه طولانی کوتاه‌مدت (LSTM)

محمد نسب چمازی, معصومه; عشقی, فؤاد; مجاوریان, سید مجتبی; کمال موسوی, سیده سمیرا

doi:10.22034/iaes.2025.2058957.2124

به‌کارگیری یادگیری ماشین در تحلیل اثرپذیری شاخص صنایع غذایی: شبکه عصبی حافظه طولانی کوتاه‌مدت (LSTM)

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

معصومه محمد نسب چمازی ¹

فؤاد عشقی ²

سید مجتبی مجاوریان ³

سیده سمیرا کمال موسوی ⁴

¹ دانش‌آموخته‌ کارشناسی ارشد، گروه اقتصاد کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران، ایران

² گروه اقتصاد کشاورزی- دانشگاه علوم کشاورزی و منابع طبیعی ساری

³ استاد، گروه اقتصاد کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران، ایران

⁴ دانشجوی دکتری، گروه اقتصاد کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران، ایران

10.22034/iaes.2025.2058957.2124

چکیده

این پژوهش باهدف تحلیل اثرپذیری شاخص صنایع غذایی از بازارهای مالی منتخب ایران شامل شاخص کل بورس، نرخ ارز و قیمت سکه، با بهره‌گیری از مدل شبکه عصبی حافظه بلندمدت کوتاه‌مدت (LSTM) انجام شده است. صنایع غذایی، به‌عنوان یکی از ارکان اقتصاد کشور، به‌شدت تحت‌تأثیر تحولات کلان اقتصادی و مالی قرار دارد و بررسی پویایی آن می‌تواند به شناسایی ساختارهای میان بازاری و نحوه سرایت نوسانات کمک کند. در این راستا، داده‌های سری زمانی مربوط به دوره فروردین ۱۳۹۶ تا اسفند ۱۴۰۲ برای مدل‌سازی مورد استفاده قرار گرفت. مدل LSTM با توانایی شناسایی الگوهای غیرخطی و وابستگی‌های زمانی پیچیده، در پیش‌بینی هم‌زمان سطح و نوسانات متغیرهای مورد بررسی به کار گرفته شد. نتایج نشان داد که شاخص صنایع غذایی بیشترین همبستگی را با شاخص کل بورس دارد و ارتباط آن با نرخ ارز و قیمت سکه، به‌ویژه در سطح قیمت‌ها، ضعیف‌تر است. در سطح نوسانات نیز همبستگی‌ها میان بازارها افزایش می‌یابد که بیانگر اهمیت شوک‌های کوتاه‌مدت در رفتار بازارهاست. ارزیابی مدل LSTM بر اساس شاخص‌های خطای آماری مانند MSE و MAE نشان داد که این مدل قادر به بازتولید دقیق رفتار متغیرهاست و از پایداری مناسبی برخوردار است. همچنین، تفاوت معنادار میان همبستگی‌های سطح قیمت و نوسانات، لزوم تحلیل هم‌زمان این دو بُعد را در مطالعات بازارهای مالی برجسته می‌سازد. یافته‌های این پژوهش تصویری جامع از ساختار پویای اثرگذاری متقابل بازارها ارائه می‌دهد و کارایی بالای LSTM را در تحلیل پیش‌بینانه سری‌های مالی نشان می‌دهد.

کلیدواژه‌ها

یادگیری عمیق

بازارهای موازی

سکه

نرخ ارز

نوسانات بازارها

موضوعات