Islamic Economics & Banking

fa بهبود دقت پیش‌بینی نوسانات بازار مالی با ترکیب مدل حرکت قطره آب و شبکه‌های عصبی Improving the accuracy of predicting financial market volatility by combining the water drop motion model and neural networks عمومى General پژوهشي Research پیش‌بینی نوسانات قیمت سهام و نرخ ارز از موضوعات کلیدی برای فعالان اقتصادی، سرمایه‌گذاران و سیاست‌گذاران است. اگرچه روش‌های آماری سری زمانی به‌طور گسترده در این زمینه استفاده شده‌اند، اما این روش‌ها با محدودیت‌هایی مانند فرضیات ساده‌سازی و کاهش دقت در شرایط پیچیده روبه‌رو هستند. در این تحقیق، توانایی روش‌های عددی نوین، به‌ویژه الگوریتم حرکت قطره، در پیش‌بینی نوسانات قیمت سهام بررسی و با روش‌های آماری سری زمانی مقایسه شد. ابتدا مرور جامعی بر ادبیات مرتبط با روش‌های عددی جدید صورت گرفت و سپس الگوریتم حرکت قطره بر داده‌های شاخص قیمت سهام بورس اوراق بهادار تهران پیاده‌سازی گردید. نتایج تحلیل‌ها نشان داد که این الگوریتم در پیش‌بینی نوسانات، به‌ویژه در شرایط نوسانات غیرخطی و پیچیده، عملکرد بهتری نسبت به روش‌های سری زمانی دارد و دقت پیش‌بینی را به میزان قابل‌توجهی افزایش می‌دهد. همچنین، این روش توانایی بیشتری در شناسایی روندهای کوتاه‌مدت بازار نشان داد. یافته‌ها حاکی از پتانسیل بالای روش‌های عددی در پیش‌بینی نوسانات مالی است و پیشنهاد می‌شود این روش‌ها در حوزه‌های دیگر اقتصادی و مالی نیز مورد بررسی قرار گیرند. این تحقیق با ارائه رویکردی نوین به حوزه پیش‌بینی‌های مالی، به‌کارگیری روش‌های عددی را به‌عنوان ابزار تکمیلی برای تحلیل‌های مالی پیشنهاد می‌کند. Predicting stock price and exchange rate fluctuations is a key issue for economic actors, investors, and policymakers. Although time series statistical methods have been widely used in this field, these methods face limitations such as simplifying assumptions and reduced accuracy in complex conditions. In this study, the ability of modern numerical methods, especially the drop motion algorithm, in predicting stock price fluctuations was investigated and compared with time series statistical methods. First, a comprehensive review of the literature related to new numerical methods was conducted, and then the drop motion algorithm was implemented on the Tehran Stock Exchange stock price index data. The results of the analysis showed that this algorithm performs better than time series methods in predicting fluctuations, especially in conditions of nonlinear and complex fluctuations, and significantly increases the prediction accuracy. Also, this method showed greater ability in identifying short-term market trends. The findings indicate the high potential of numerical methods in predicting financial fluctuations and it is suggested that these methods be investigated in other economic and financial fields as well. This research, by presenting a new approach to the field of financial forecasts, suggests the use of numerical methods as a complementary tool for financial analyses. پیش‌بینی, نوسانات قیمت سهام, الگوریتم قطره, روش‌های عددی, روش‌های آماری سری زمانی Forecasting, Stock Price Fluctuations, Drop Algorithm, Numerical Methods, Time Series Statistical Methods 395 414 http://mieaoi.ir/browse.php?a_code=A-10-1715-1&slc_lang=fa&sid=1 reyhaneh sarafnezhad ریحانه صراف نژاد Reyhane.saraf@gmail.com 100319475328460014479 100319475328460014479 No PhD student, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran. دانشجوی دکتری، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. freydoun ohadi فرید‌ن اوحدی fohddi@yahoo.com 100319475328460014480 100319475328460014480 Yes Assistant Professor, Department of Accounting, Karaj Branch, Islamic Azad University, Karaj, Iran (Corresponding Author). استادیار گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران (نویسنده مسئول) Mahdi mahdanchi zach مهدی معدنچی زاج ma.madanchi@iau.ac.ir 100319475328460014481 100319475328460014481 No Department of Financial Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran گروه مدیریت مالی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران