اختبار التعلم الآلي نموذج LSTM في تعزيز دقة التنبؤ بعوائد الأسهم العادية دراسة تحليلية لشركات مدرجة في سوق العراق للأوراق المالية للمدة (2016-2024)

الملخص

   يمثل التنبؤ بعوائد الأسهم أحد التحديات الأساسية في الأسواق المالية، خصوصًا في البيئات الناشئة التي تتسم بارتفاع مستوى التقلب وضعف الكفاءة مثل سوق العراق للأوراق المالية. تهدف هذه الدراسة إلى تقييم قدرة نموذج الشبكات العصبية طويلة الذاكرة LSTM على التنبؤ بالعائد الشهري لأسهم الشركات المدرجة في سوق العراق، استنادًا إلى بيانات شهرية لعينة مكونة من 22 شركة تمثل قطاعات مختلفة للمدة 2016–2024. اعتمدت الدراسة المنهج الكمي التحليلي، الذي شمل معالجة البيانات وتجهيزها، وبناء وتدريب نموذج LSTM وفق متطلبات الشبكات العصبية العميقة، مع تقييم دقة التنبؤ باستخدام مؤشرات MAE وRMSE وMAPE وMSE.

أظهرت النتائج أن نموذج LSTM يمتلك قدرة جيدة على التنبؤ بالعوائد الشهرية، إذ بلغ متوسط مربعات الخطأ MSE مقدار 0.0003588، وهي قيمة منخفضة تشير إلى قرب القيم المتنبأ بها من القيم الفعلية. كما بلغ الجذر التربيعي لمتوسط مربعات الخطأ RMSE قيمة 0.0189420، وهو ما يدل على أن متوسط الانحراف بين التنبؤات والعوائد الحقيقية لا يتجاوز نحو 1.9%، مما يعكس كفاءة النموذج في التقاط الأنماط الزمنية في سوق يتسم بقدر كبير من عدم الاستقرار.

وتوصي الدراسة باعتماد نماذج الذكاء الاصطناعي، ولاسيما نماذج التعلم العميق مثل LSTM، كأدوات مساندة في تحليل المحافظ الاستثمارية واتخاذ القرارات المالية، إضافة إلى ضرورة توسيع استخدام هذه النماذج في أسواق المال العراقية لتعزيز جودة التنبؤ وإدارة المخاطر.