| 520 |
|
|
|a هدف الدراسة: يكمن الهدف الرئيسي لهذه الدراسة في اختبار قدرة الشبكات العصبية الاصطناعية على التنبؤ بالسلوك السعري لمؤشرات الأسواق المالية باستخدام البيانات التاريخية وبيانات مؤشرات التحليل الفني بالتطبيق على المؤشر الرئيسي للبورصة المصرية EGX30 ، وذلك خلال الفترة ما بين عامي (2013م: 2022م). وبلغ إجمالي حجم العينة (2437) مشاهدة، بواقع (1569) مشاهدة (بنسبة 65% من إجمالي المشاهدات) تم استخدامها لغرض تدريب الشبكة العصبية، و (868) مشاهدة (بنسبة 35% من إجمالي المشاهدات) تم استخدامها لاختبار قدرة الشبكة العصبية الاصطناعية على التنبؤ لاختبار فرضي الدراسة. منهجية الدراسة: قام الباحثان بإجراء دراسة اختبارية واستخدام الأساليب الإحصائية لاختبار فرضي الدراسة التي اعتمدت على برنامج” NeuroXL” كبرامج لتطبيق الشبكات العصبية الاصطناعية، وذلك عبر مجموعتين من البيانات، المجموعة الأولى: بيانات تاريخية تشمل كلا من: (قيمة الفتح، أعلى قيمة لمؤشر خلال جلسة التداول، أدنى قيمة لمؤشر خلال جلسة التداول، قيمة إعلاق المؤشر في نهاية جلسة التداول، وأخيرا حجم التداول خلال تلك الجلسة)، أما المجموعة الثانية فتتضمن بيانات مؤشرات التحليل الفني التي تشمل كلا من: (المتوسطات المتحركة لمدة (5، 7، 10، 12، 14، 21، 50، 100 يوم)، ومؤشر التقارب، والتباعد بين المتوسطات MACD، ومؤشر الزخم Momentum، وأخيرا مؤشر المذبذبات Stochastic). نتائج الدراسة: خلصت الدراسة إلى قدرة الشبكات العصبية الاصطناعية على تفسير التحركات السعرية للمؤشر الرئيسي للبورصة المصرية EGX30 باستخدام البيانات التاريخية، وأيضا باستخدام بيانات مؤشرات التحليل الفني، إلا أن هناك تباينا في القدرة التفسيرية بين مجموعات البيانات في ضوء طبيعة مدخلات الشبكات العصبية الاصطناعية؛ حيث كان أفضل معامل تحديد طبقا لشبكة البيانات التاريخية المعيارية (99.8%)، مقابل (65.2%) كأفضل معامل تحديد لشبكة العصبية الفنية المعدلة رقم (3)، وهو الأمر الذي يشير إلى قدرة الشبكات العصبية الاصطناعية على ترشيد قرارات المتعاملين في البورصة المصرية. المساهمة العلمية: للدراسة الحالية مساهمتان رئيسيتان، أولاهما: تبني المدخل الكمي لاختبار تطبيق الشبكات العصبية الاصطناعية كإحدى آليات الذكاء الاصطناعي في مجالات المحاسبة والمراجعة، وثانيهما: التوصل إلى تباين قدرة الشبكات العصبية على عمليات التنبؤ في مجال أسواق المال اعتمادا على مدخلات الشبكة ومعماريتها، عوضا عن فترة التدريب.
|b Study Aims: The aim of this study is to test the ability of artificial neural networks to predict the price behaviour of financial market indices using historical data and technical analysis indicator data by applying it to the main index of the Egyptian Exchange, EGX30, during the period between the years 2013 and 2022. The total sample size was (2437) views, with (1569) views (65% of the total views) being used for the purpose of training the neural network and (868) views (35% of the total views) being used to test the ability of the artificial neural network to make predictions to test the study hypothesis. Study methodology: The researchers conducted an empirical study and used statistical methods to test the two hypotheses of the study, which relied on the "NeurXL" programme for applying artificial neural networks, through two sets of data. The first set historical data that includes both (the opening price, the high price of an index per trading day, the lowest price of an index per trading day, the closing price of an index at the end of the trading day, and addition to the trading volume during trading day. The second group includes data for technical analysis indicators that include: (moving averages for (5, 7, 10, 12, 14, 21, 50, and 100 days), the MACD, the Momentum, addition to the Stochastic oscillator. Study results: The study concluded that artificial neural networks are able to explain the price movements of the main index of the Egyptian Exchange, EGX30, using historical data, and also using data on technical analysis indicators. However, there is a discrepancy in the interpretive ability between data sets according to the nature of the artificial neural networks' inputs. The best determination coefficient according to the standard historical data network was (99.8%). compared to (65.2%) as the best determination coefficient for the modified technical neural network No. (3), which indicates the ability of artificial neural networks to rationalize the decisions of traders in the Egyptian Exchange. Study contribution: The current study has two main contributions, the first: adopting a quantitative approach to test the application of artificial neural networks as one of the artificial intelligence mechanisms in the fields of accounting and auditing, and the second: arriving at the variation in the ability of neural networks for forecasting operations in the field of financial markets depending on the network's inputs and architecture, instead addaition to the training period.
|
