مجلة الدراسات الإقتصادية الكمية
Volume 12, Numéro 1, Pages 379-391
2026-06-01
اختبار قدرة نماذج التعلم العميق Lstm و Transformers على التنبؤ بالسلوك السعري لمؤشر S&p 500: دراسة تجريبية
الكاتب : صالحي محمد يزيد . كسري أسماء .
الملخص
: تهدف هذه الدراسة إلى اختبار قدرة نماذج التعلم العميق LSTM و Transformers على التنبؤ بالسلوك السعري لمؤشر S&P 500، مع التركيز على مقارنة أداء النموذجين في ظل سيناريوهات السوق المختلفة. اعتمدت الدراسة على المنهج التجريبي الكمي ، باستخدام بيانات يومية لمؤشر S&P 500 خلال الفترة من جانفي 2015 إلى ديسمبر 2023، بإجمالي 2264 يوم تداول. تم بناء نموذجين رئيسين: الأول يعتمد على بنية LSTM ثلاثي الطبقات، والثاني يعتمد على بنية Transformer مخصصة للبيانات المالية. تم تقييم أداء النموذجين باستخدام أربعة مقاييس رئيسية: جذر متوسط مربعات الخطأ (RMSE)، متوسط الخطأ المطلق (MAE)، متوسط نسبة الخطأ المطلق (MAPE)، والدقة الاتجاهية (Directional Accuracy) . كما تم استخدام اختبار t للعينات المزدوجة واختبار Wilcoxon للتحقق من دلالة الفروق إحصائيا. أظهرت النتائج تفوقا واضحا لنموذج LSTM على Transformer في جميع مقاييس الأداء. فقد حقق LSTM قيمة RMSE بلغت 79.86 مقارنة بـ 145.19 لـ Transformer، وسجل الدقة الاتجاهية 51.22% مقابل 48.17% لـ Transformer . كما أظهرت الاختبارات الإحصائية وجود فروق ذات دلالة إحصائية بين أداء النموذجين عند مستوى معنوية 0.05، مما يؤكد تفوق LSTM في هذا السياق التجريبي. This study aims to test the ability of deep learning models (LSTM and Transformers) to predict the price behavior of the S&P 500 index, with a focus on comparing the performance of both models under different market scenarios. The study adopted a quantitative experimental approach, using daily data of the S&P 500 index from January 2015 to December 2023, with a total of 2,264 trading days. Two main models were constructed: a three-layer LSTM model and a Transformer model customized for financial data. The performance of both models was evaluated using four main metrics: Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), and Directional Accuracy. Paired samples t-test and Wilcoxon test were used to verify the statistical significance of differences. The results showed a clear superiority of the LSTM model over the Transformer in all performance metrics. The LSTM achieved an RMSE of 79.86 compared to 145.19 for the Transformer, and recorded a directional accuracy of 51.22% compared to 48.17% for the Transformer. Statistical tests showed significant differences between the performance of the two models at the 0.05 significance level.
الكلمات المفتاحية
التعلم العميق ; LSTM ; Transformers ; التنبؤ المالي ; مؤشر S&P 500
مقالات مماثلة
Bitam Lhacène
.
Guerrak Salah
.
Kediha Sid Ahmed
.
pages 3-8.
حاج مكناش مرزاق
.
قرقور محمد
.
ص 770-784.
بن سعدي فتيحة
.
ص 25-38.
أحمد تيجاني هيشر
.
يحي - بدراوي
.
ص 51-65.
