انعكاس تقنيات الذكاء الاصطناعي على التنبؤ بأسعار الأسهم: مع دراسة تطبيقيه

يهدف البحث الى: قياس اثر تطبيق تقنيات الذكاء الاصطناعي على التنبؤ بأسعار الأسهم في ظل التطورات الحديثة في تقنيات الذكاء الاصطناعي، والتعرف على التقنيات الحديثة في الذكاء الاصطناعي وأهميتها في سوق الأوراق المالية، ودراسة تقنيات الشبكات العصبية وأنواعها وآلية تطبيقها في التنبؤ، وتحليل أثر تطبيق تقنيات الشبكات العصبية على التنبؤ بأسعار الأسهم في البورصة المصرية، وتم اجراء دراسة تطبيقية على مؤشر EGX30 والذي يضم أفضل 30 شركة، وذلك لغرض التنبؤ بأسعار الأسهم لليوم التالي.
وتوصل البحث الى: أهمية التنبؤ بأسعار الأسهم لدعم القرارات الاستثمارية، وتفوق النماذج القائمة على الذكاء الاصطناعي في التنبؤ بأسعار الأسهم على المدى الطويل، وقدرة الشبكات العصبية على التنبؤ بأسعار الأسهم لليوم التالي بدقة عالية، كما يؤثر دقة التنبؤ على قرارات الاستثماريين، كما توصلت الدراسة الى  ان هناك اثر إيجابي لتقنيات الذكاء الاصطناعي (مثل الشبكات العصبية) على التنبؤ بأسعار الأسهم، وان استخدام الشبكات العصبية للتنبؤ بقيم إغلاق أسعار مؤشر EGX30 أظهرت نتائج متقاربة بين التنبؤات والقيم الفعلية، بينما لم تكن النتائج دقيقة بما يكفي عند التنبؤ بمؤشر MACD لليوم التالي عند استخدام الشبكات العصبية للتنبؤ.
وقد أوصى البحث: بالاستمرار في استخدام وتطوير تقنيات الذكاء الاصطناعي للتنبؤ بأسعار الأسهم، و تكثيف استخدام تقنيات تعلم الآلة والتعلم العميق لتدريب نماذج أكثر دقة، وتطوير استراتيجيات للاستفادة من مزايا تقنيات الذكاء الاصطناعي، إنشاء فرق عمل لمراقبة وتحليل أداء نماذج الذكاء الاصطناعي باستمرار، مقارنة دورية بين النماذج التقليدية وتلك المستندة إلى تقنيات الذكاء الاصطناعي، إدخال تقنيات الذكاء الاصطناعي في التنبؤ بأسعار الأسهم في البورصة المصرية،  تدريب نماذج الشبكات العصبية لفترات أطول وأكثر عدم استقراراً،  استخدام تقنيات أخرى من الذكاء الاصطناعي للتنبؤ بمؤشر MACD ، توسيع نطاق تطبيق تقنيات الذكاء الاصطناعي لتشمل الأسواق المالية والمؤشرات العالمية،  دمج مصادر بيانات متعددة لتمكين نماذج الذكاء الاصطناعي من استخلاص أنماط واتجاهات دقيقة،  استخدام التحليل الأساسي في التنبؤ بأسعار الأسهم باستخدام الشبكات العصبية والذكاء الاصطناعي، زيادة الاهتمام بدراسة التنبؤ بأسعار الأسهم باستخدام تقنيات الذكاء الاصطناعي في الجامعات، نصح المحللين الماليين والمستثمرين باستخدام نماذج الذكاء الاصطناعي كأداة مساعدة في التنبؤ بالأسواق المالية، مع عدم الاعتماد الكامل عليها.
The research aims to: measure the impact of using artificial intelligence on stock price prediction in light of recent developments in AI technologies, identify modern AI techniques and their importance in the financial markets, study neural network technologies, their types, and mechanisms of application in prediction, and analyze the effect of applying neural network technologies on predicting stock prices in the Egyptian Stock Exchange. An empirical study was conducted on the EGX30 index, which includes the top 30 companies, for the purpose of predicting stock prices for the following day.
The research concluded: the importance of stock price prediction to support investment decisions, the superiority of AI-based models in long-term stock price prediction, and the ability of neural networks to accurately predict stock prices for the next day. Prediction accuracy significantly influences investment decisions. The study also found a positive impact of AI techniques (such as neural networks) on stock price prediction. When using neural networks to predict the closing values of the EGX30 index, the results showed close alignment between the predictions and actual values. However, the results were not accurate enough when predicting the next day’s MACD index using neural networks.
The research recommended: continuing the use and development of AI techniques for stock price prediction, increasing the use of machine learning and deep learning techniques to train more accurate models, developing strategies to leverage the advantages of AI technologies, creating teams to continuously monitor and analyze the performance of AI models, conducting regular comparisons between traditional models and those based on AI technologies, incorporating AI techniques in predicting stock prices in the Egyptian Stock Exchange, training neural network models over longer and more unstable periods, using other AI techniques for MACD index prediction, expanding the application of AI techniques to include global financial markets and indices, integrating multiple data sources to enable AI models to extract accurate patterns and trends, using fundamental analysis to predict stock prices with neural networks and AI, increasing attention to studying stock price prediction using AI techniques in universities, advising financial analysts and investors to use AI models as an auxiliary tool in predicting financial markets, while not fully relying on them.