هوش مصنوعی در بورس

رصد کل بازار سرمایه با بیش از هزار گزینه سرمایه گذاری و تحلیل اخبار تاثیرگذار و تغییرات لحظه ای آنها، به امری بسیار پیچیده تبدیل شده که مدیریت ثروت در این بازار را هوش مصنوعی در بورس دشوار نموده است. اما؛ خوشبختانه تکنولوژی های مدرنی همچون هوش مصنوعی و معاملات الگوریتمی، آن را تسهیل و تسریع کرده اند. از این رو، آشنایی با طراحی انواع الگوریتم ها و کسب مهارت در پیاده سازی آن ها، بیش از پیش، مهم و ضروری به نظر می رسد.

کاربرد الگوریتم هوش مصنوعی در پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت های پذیرفته شده بورس اوراق بهادار تهران

کاربرد الگوریتم هوش مصنوعی پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت های پذیرفته شده بورس اوراق بهادار تهرانچکیدهتحلیل ورشکستگی مالی یک پدیده بااهمیت برای سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان از اطلاعات مالی محسوب می شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می شود و می تواند هم برای مدیران و هم برای سرمایه گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات 1488 شرکت سال طی دوره 1390 الی 1395 اقدام به بومی سازی روشی جهت شناسایی شرکت های درمانده مالی در سه سطح شده است و در نهایت با استفاده از الگوریتم هوش مصنوعی ماشین بردار پشتیبان کرنل گوسی و الگوریتم قانون گرا چاید ورشکستگی مالی در سال آتی و دوسال آینده با استفاده از متغیر های کلان اقتصادی و حسابداری در بازار سرمایه ایران به کمک نرم افزار متلب 2017 پیش بینی شده است. از جنبه های نوآوری این پژوهش بومی سازی مدل ورشکستگی مالی در ایران با بکارگیری همزمان مدل های جهانی و ایرانی، استفاده از متغیر های کلان اقتصادی و حسابداری و همچنین استفاده از روش های هوش مصنوعی سه سطحی می باشد. نتایج تحقیق حاکی از تاثیر مستقیم تورم و ریسک مالی و تاثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر ورشکستگی مالی می‎باشد. همچنین نتایج نشان می دهد که الگوریتم غیر خطی ماشین بردار پشتیبان کرنل گوسی نسبت هوش مصنوعی در بورس به الگوریتم قانون گرا چاید توانایی بالا تری در پیش بینی ورشکستگی آتی شرکت ها دارد.

مدل سازی ورشکستگی مالی ، الگوریتم هوش مصنوعی ، متغیرهای کلان اقتصادی وحسابداری

برخی از خدمات از جمله هوش مصنوعی در بورس دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:

به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!

نخستین کارگاه مدیریت ثروت مبتنی بر الگوریتم و هوش مصنوعی

رصد کل بازار سرمایه با بیش از هزار گزینه سرمایه گذاری و تحلیل اخبار تاثیرگذار و تغییرات لحظه ای آنها، به امری بسیار پیچیده تبدیل شده که مدیریت ثروت در این بازار را دشوار نموده است. اما؛ خوشبختانه تکنولوژی های مدرنی همچون هوش مصنوعی و معاملات الگوریتمی، آن را تسهیل و تسریع کرده اند. از این رو، آشنایی با طراحی انواع الگوریتم ها و کسب مهارت در پیاده سازی آن ها، بیش از پیش، مهم و ضروری به نظر می رسد.

بورس24 : امروزه، رصد کل بازار سرمایه با بیش از هزار گزینه سرمایه گذاری و تحلیل اخبار تاثیرگذار و تغییرات لحظه ای آنها، به امری بسیار پیچیده تبدیل شده که مدیریت ثروت در این بازار را دشوار نموده است. اما؛ خوشبختانه تکنولوژی های مدرنی همچون هوش مصنوعی و معاملات الگوریتمی، آن را تسهیل و تسریع کرده اند. از این رو، آشنایی با طراحی انواع الگوریتم ها و کسب مهارت در پیاده سازی آن ها، بیش از پیش، مهم و ضروری به نظر می رسد.

شرکت تحلیلگر امید با همکاری دانشکده مهندسی صنایع و سیستم های مدیریت دانشگاه صنعتی امیرکبیر، نخستین کارگاه مدیریت ثروت مبتنی بر الگوریتم و هوش مصنوعی را برگزار می کند.

دکتر حمیدرضا آرین، عضو هیئت علمی دانشکده اقتصاد دانشگاه شریف

دکتر علی حبیب نیا، استاد دانشگاه ویرجینیا تک آمریکا

دکتر محسن خدابخش، مدیریت نظارت بر بورس های سازمان بورس و اوراق بهادار

و مهندس امید موسوی، بنیانگذار و مدیرعامل شرکت تحلیلگر امید، اولین شرکت ارائه دهنده خدمات معاملات الگوریتمی در ایران.

شرکت کنندگان، پس از گذراندن دوره و کسب مدرک رسمی از دانشگاه صنعتی امیرکبیر، علاوه بر آشنایی با معاملات الگوریتمی در بازار بورس و بهره مندی از دانش تخصصی و تجربه اساتید محترم، قادر خواهند بود استراتژی های خود را با استفاده از الگوریتم، طراحی و اجرا نمایند.

زمان: چهارشنبه، 27 آذر 1398، از ساعت 9:00 الی 17:00

مکان : آمفی تئاتر دانشکده مهندسی صنایع و سیستم های مدیریت دانشگاه صنعتی امیرکبیر

ارائه آخرین دستاوردهای هوش مصنوعی در کسب و کارهای نوین

رویداد تجربه محور هوش مصنوعی و صنعت از سوی کارگزاری مفید در سالن اصلی مرکز همایش‌های بین‌المللی صدا و سیما برگزار شد.

به گزارش اقتصادآنلاین، در این رویداد علمی که با تمرکز بر فعالیت‌های مبتنی بر هوش مصنوعی و علوم داده برگزار شد، سخنرانی‌هایی با محور به اشتراک گذاشتن تجربیات فعالان این حوزه از شرکت‌های داخلی و بین‌المللی ارائه شد.

در این رویداد یک روزه علی الهی، مدیر واحد هوش مصنوعی تپسی در خصوص تجربیات این شرکت در حوزه هوش مصنوعی سخنرانی کرد و با موضوع محوری «پشت هر سفر چه می‌گذرد؟» به جزییات بهره‌گیری از هوش مصنوعی توسط تپسی پرداخت.

او در خصوص انتخاب مبدا و مقصد، قیمت‌گذاری و تخمین زمان سفر و چالش‌های که هر کدام از این بخش‌ها در حوزه بهره‌گیری از هوش مصنوعی دارند، مصادیق و مثال‌ها را بیان کرد.

الهی در خصوص یکی از مهمترین بخش‌های ارائه خدمات این مجموعه که قیمت‌گذاری است، گفت: « واقعیت این است که بیزنس ما داینامیک بالایی دارد. عرضه و تقاضا به شدت بالا و پایین می‌شود. از همین رو ابزاری به نام سرچ پرایسینگ داریم که وظیفه این ابزار این است که بین عرضه و تقاضا تعادل برقرار کند اما نمی‌تواند قیمت را از یک حدی پایین‌تر بیاورد. به این دلیل که سفر عملا برای سفی‍ر یا همان راننده صرفه اقتصادی ندارد. اینجا از ابزار تخفیف استفاده می‌کنیم. به کمک تخفیفی که به مسافر می‌دهیم تقاضا ایجاد می‌کنیم. چالش این است که نقطه تعادل را پیدا کنیم»

الهی با اشاره به 6 سال فعالیت تپسی با تکیه بر امکاناتی که هوش مصنوعی در اختیار این مجموعه قرار داده است، گفت: «امروز به نقطه‌ای رسیده‌ایم که از تمام گزینه‌های موجود داخلی و خارجی دقت بیشتری داریم. در حوزه تخمین زمان سفر و دقت آن در حال حاضر تا ده درصد دقت بیشتری نسبت به سایرین داریم. برای بیزنس ما هر یک درصد بهبود می‌تواند صدها میلیون تومان برای مجموعه رانندگان ما بهره‌مندی داشته باشد.»

سخنران بعدی این رویداد عباس حسینی هم‌بنیان‌گذار تپسل بود که با تاکید بر اینکه به جای استفاده از مدل‌های پیچیده، باید داده‌های موجود را درک کرد، به هدررفت سرمایه و انرژی در تبلیغات سنتی اشاره کرد و گفت: «در تبلیغات سنتی به رسانه‌های خاصی مثل بیلبوردها وابستگی وجود دارد. اصلی‌ترین چالش در تبلیغات سنتی هدررفت سرمایه و منابع است بدون آنکه برآورد خاصی از میزان آن وجود داشته باشد. اندازه‌گیری آورده‌ها یا هزینه‌ها و در واقع بررسی به صرفه بودن مسیر انتخاب شده، تقریبا در این نوع از تبلیغات غیر ممکن است.»

به عقیده حسینی، مسیری طولانی از نمایش یک تبلیغ تا رسیدن به هدف سفارش‌دهنده تبلیغ، طی می‌شود. او در مورد تجربه بهره‌گیری از هوش مصنوعی در مجموعه تپسل گفت: «در تپسل، با استفاده از هوش مصنوعی به سه روش برای حل چالش‌های حاکم رسیدیم که مدل اول «راه حل ساده» نام دارد که بنا دارم بیشتر روی این روش تاکید کنم. در این روش هوش مصنوعی حافظه‌محور عمل می‌کند، تفسیرپذیری بالایی وجود دارد اما کامپیوتر در این روش نمی‌تواند تولیدکننده یا پیش‌گو باشد تا موقعیت‌های پیش نیامده را هم مدیریت کند. مدل‌های دیگری هم در تپسل مورد بررسی و ارایه قرار می‌گیرد و آزمون و خطاهای بسیاری انجام شده و می‌شود اما من فکر می‌کنم داده‌ها مهم‌ترین بخش در همه مدل‌های موجود هستند.»

هم‌بنیان‌گذار تپسل گفت: «در صورتی می‌توانیم بگوییم یک شرکت از هوش مصنوعی استفاده می‌کند که به همه این‌ فاکتورها توجه کرده باشد. در همین راستا، تیمی که هوش مصنوعی را در تپسل توسعه می‌دهد برای رسیدن به مدل کنونی و برای اینکه بتواند روزانه یک میلیارد «ایمپرشن» را مدیریت کند، ۵ نسل هوش مصنوعی را طراحی و به روزرسانی کرده است.»

دامون نشتاعلی، مدیرعامل شرکت هومن ژن پارس سخنران بعدی این همایش بود. او از کاربرد هوش مصنوعی در مطالعات مربوط به ژنتیک و تجربه‌‌های کاری خود در این زمینه گفت: « ما در هومن ژن پارس سعی کردیم به داده‌هایی که اغلب دورریزهای سیستم‌هایی بودند که مطالعات روی دی ان ای را انجام می‌دادند، دسترسی پیدا کنیم. این موضوع برای بیماران ژنتیکی بسیار اهمیت دارد که تغییرات داخل نقاط مورد مطالعه در بررسی‌های ژنتیکی به درستی تحلیل شود. این روند کمک می‌کند که علت بیماری ژنتیکی هم کشف و استخراج شود» او به مشکلاتی که تحریم‌ها برای فعالیت در زمینه مطالعات ژنتیک در کشور ایجاد کرده هم اشاره کرده و گفت: «برای مطالعات با درصد خطای پایین و دقت بالا در حوزه ژنتیک به یک دستگاه توالی‌یابی نیاز داریم تا به آلفابت اصلی دست‌ پیدا کنیم. به واسطه تشدید تحریم‌ها، این دستگاه‌ها و کیت‌های مربوط به آن، در ایران بسیار نادر است و چالش اصلی ما این است که قیمت این دستگاه حدود یک میلیون دلار است که هم خود دستگاه و هم سوخت مورد نیاز آن در حال حاضر تحریم است. این دستگاه شبیه به یک هواپیما عمل می‌کند. هزینه سوخت این دستگاه در هر فعالیت بالاست، اما در هر فعالیت ممکن است هزار مورد را بررسی کند و سرعت قابل توجهی به کار ببخشد.»

علی زارع‌زاده مدیر تیم هوش مصنوعی کارگزاری مفید ماجرای طراحی یک مدل اختصاصی در این مجموعه را روایت کرد و با اشاره به اینکه در سال ۹۹ از نسخه اولیه هوش مصنوعی مفید، رونمایی شده است، گفت: «در این فرآیند، اصلی‌ترین مساله تشخیص زنده بودن تصویر بود که برای آن یک ماژول طراحی شده است که به خوبی می‌تواند این مساله را حل کند. در واقع تلاش ما در کارگزاری مفید در این مسیر پیش می‌رفت که نرخ پذیرش اشتباه به صفر برسد؛ نرخی که در آن مقطع روی تستر خودمان حدود دو درصد بود.» زارع‌زاده در خصوص تجربه بهره‌گیری از امکانات اوپن سورس در این مسیر هم گفت: « ناچار بودیم که صوت‌ها را به متن مکتوب تبدیل کنیم تا بررسی آن‌ها آسان‌تر شود. همه می‌دانیم دستیار صوتی گوگل این امکان را فراهم کرده و استفاده از آن می‌توانست برای ما یک مزیت باشد اما تبدیل گفتار به متن توسط گوگل به ما نشان داد که این ابزار گوگل با درصد خطای ۸۰ درصد، ابزار قابل اتکایی به شمار نمی‌آید. اینجا بود که فهمیدیم باید خودمان دست به کار شویم و در همان ابتدای کار با تخمینی که زدیم متوجه شدیم نیاز به شش ماه زمان داریم.» او در ادامه به نتایج این تلاش‌ها اشاره کرده و گفت: «در این روند بارها و بارها دست به اصلاح قانون‌هایی که خودمان طراحی کرده بودیم زدیم و بعضی ساز و کارها را به طور کلی بازنویسی کردیم و در نهایت به مدل اختصاصی خودمان رسیدیم: درصد خطا را از ۸۰ درصد به ۲۰ درصد کاهش دادیم و هوش مصنوعی در بورس تعداد خطاها را در یک صوت مشخص از ۸۴ خطای موجود در دستیار صوتی گوگول به ۴ خطا در دستیار صوتی مفید رساندیم»

در ادامه محمد شکوهی یکتا، دانشمند ارشد مایکروسافت و استاد دانشگاه استنفورد که به صورت آنلاین در نشست حضور پیدا کرد از چالش‌های حوزه یادگیری عمیق در بخش‌های صنعت و پزشکی سخن گفت و برخی از تجربیات جهانی در این زمینه را مرور کرد. شکوهی یکتا در سخنان خود با اشاره به اینکه داده‌ها روز به روز در جهان بیشتر می‌شوندگفت: «آمارها می‌گویند ۹۰ درصد داده‌ موجود در بانک‌های داده جهانی در دو سال گذشته ایجاد شده است. این آمارها نشان می‌دهد میزان رشد داده به صورت نمایی در حال افزایش است و این روند در آینده هم تشدید خواهد شد.» شکوهی یکتا در خصوص بهره‌گیری از هوش مصنوعی در حوزه سلامت با طرح سوالی از حضار مبنی بر اینکه یادگیری عمیق بیشتر جان انسانها را نجات می‌دهد یا پزشکان؟ گفت: «می‌توان این پاسخ را داد که ترکیب این دو با هم برای تحول در حوزه سلامت نیاز است. امروز بیش از 1.2 میلیون نفر در دنیا -آمارهای احتمالا بیشتر از این عدد است- هر سال به خاطر تصادف از دنیا می‌روند. ماشین لرنینگ می‌تواند جان میلیون‌ها نفر را نجات دهد. اما ساز و کار این جان‌بخشی چگونه است؟ بر این أساس می‌توان چند دهم ثانیه قبل از تصادف، رخداد آن پیش‌بینی شود. بعد از این تشخیص ماشین باید روی ترمز بزند و کمربند سرنشینان را محکم کند یا ایربگ را باز کند»

پیام اسفندیاری مدیر ارشد بلوبانک سخنران دیگر همایش بود که سخنرانی خود را با محوریت هوش مصنوعی توضیح پذیر ارائه کرده و در بخشی از سخنان خود گفت: «شیوه درست استفاده از هوش مصنوعی مدام به روز رسانی‌ می‌شود. برای مثال در گذشته تعدد داده‌ها می‌توانست برای یک مدل مزیت محسوب شود. اما بعد از گذشت مدتی، این طراحی درست یک الگوریتم بود که ارزش پیدا کرد؛ امروز به نظر می‌رسد بعد از عبور از این مراحل، قابل اعتماد بودن داده‌هاست که حرف اول را می‌زند.» او در پایان سخنان خود با تاکید بر اینکه کارشناسان داده باید بتوانند از تک تک تصمیمات خود دفاع کنند و دلیل هر کدام را شفاف توضیح دهند گفت: «از مدیران می‌خواهم که در نظر داشته باشند مسائل امروز در صنعت ما خیلی ساده‌تر از تصور حل می‌شوند و گاهی تاکید بر استفاده از مدل‌های پیچیده و دیپ‌لرنینگ فقط ما را از رسیدن به هدف اصلی دور می‌کند»

مرضیه طاحایی، محقق حوزه یادگیری عمیق آخرین سخنران این نشست بود که در خصوص بهینه‌سازی بهره‌مندی از هوش مصنوعی سخنرانی کرد و اشاره‌ای به تبعات محیط زیستی فعالیت‌های مربوط به هوش مصنوعی کرد و گفت: «ردپای کربن در این حوزه بسیار بالاست و فعالیت‌های مرتبط با آن به نفع محیط زیست نیست. ممکن است این تصور به وجود آید که اگر چند سال صبر کنیم ظرفیت‌های هارد وب افزایش پیدا می‌کند و هزینه آموزش و راه‌اندازی این مدل‌ها کاهش پیدا می‌کند اما واقعیت این است که در چند سال اخیر این هزینه در حال افزایش است. از طرفی هزینه آموزش بالا باعث می‌شود که فقط یک جمعیت خاص و تنها کمپانی‎های بزرگ امکان استفاده از آن را داشته باشند»

در پایان این رویداد یک روزه، یک پنل تخصصی برگزار و در آن سخنرانان نشست به سوالات حضار که اغلب از دانشجویان و اساتید دانشگاه و فعالان بخش صنعت بودند پاسخ دادند. در پایان توصیه‌های عملی برای پر کردن شکاف میان فضای دانشگاهی و بازار کار ارائه شد.

استفاده از هوش مصنوعی برای رصد تخلفات در بازار سرمایه

روح الله دهقان در گفت و گو با خبرنگار اقتصادی خبرگزاری تسنیم، با اشاره به سامانه های نظارتی سازمان بورس گفت: ناظر بازار به صورت زنده دیتاهای نظارتی تولیدی را دریافت و بر این مبنا نظارت می کند. با توجه به گسترش نیازمندی های نظارتی ناظر بازار از زمانی که بستر الکترونیکی سامانه معاملات فراهم شده است سامانه های نظارتی متعددی توسط شرکت مدیریت فناوری توسعه پیدا کرده و در اختیار ناظران بازار قرار گرفته است. تقریبا در 10 سال گذشته یکی از مهمترین این سامانه ها، سامانه ای به اسم بیدار یا ‌بستر یکپارچه دسترسی به اطلاعات راهبردی، بوده که این سامانه توسط شرکت مدیریت فناوری بورس توسعه پیدا کرده است.

به گفته دهقان، سامانه کاملا در اختیار متخصصان داخلی شرکت است و این سامانه با تجمیع اطلاعات مختلف معاملات پس از معاملات دارایی افراد و تمام مواردی که مد نظر ناظر بازار و مورد نیازش بوده است سعی کرده گزارش ها و هشدارهای مورد نیاز را در اختیار ناظر بازار قرار بدهد.

وی افزود: این سامانه تقریبا عمر ده ساله دارد. قبل از آن سامانه های جزیره ای را داشتیم. هر بخشی از نظارت به یک منظور خاصی، یک سامانه هوش مصنوعی در بورس خاص در اختیار داشت اما از زمان ایجاد سامانه بیدار، ما تمام این سامانه ها را داخل سامانه واحد نظارتی تجمیع کردیم از آن به بعد مرجع عمده نظارت های بازار سامانه بیدار است. گزارش های متعددی را می گیرد و تمام اطلاعات مورد نیاز را به صورت تجمیع شده در اختیار ناظر قرار می دهد.

وی گفت: با توجه به افزایش معاملات بازار در سال 99 و افزایش ورود هوش مصنوعی در بورس مردم به بازار سرمایه، شاید می شود گفت این نظارت‌ها ممکن است با کندی همراه بوده اما وقتی حجم معاملات زیاد میشود قاعدتا ممکن است کندی هایی داشته باشد اما از نظر دسترسی سامانه ما ایرادی نداشتیم.

به گفته این مقام مسئول، لاگ سامانه‌هایمان کاملا از ابتدای سال مشخص است و از کسانی که از ما سوال کردند این لاگ ها را در اختیارشان گذاشتیم. باوجود اینکه فشار زیادی که در سال 99 به سامانه وارد شده است اما سامانه همیشه فعال بوده و گزارش های مورد نیاز را در اختیار ناظر قرار داده است.

دهقان تاکید کرد، با توجه به افزایش حجم معاملات در سال آینده به دنبال این هستیم که از هوش مصنوعی برای جلوگیری از تقلب ها استفاده بکنیم و زیرساخت های جدید را تعریف می کنیم که بتوانیم پاسخگوی حجم زیاد اطلاعات باشیم.

در همین خصوص هوش مصنوعی در بورس عبداللهی رییس مرکز فناوری اطلاعات وزارت اقتصاد گفت: سامانه های نظارتی بورس دو کارکرد رسمی دارند یکی در حین انجام معاملات نظارت می کنند که آیا دستکاری و اتفاقی در بازار می افتد که اینها خیلی باید آنلاین باشند و جزو پیشرفته ترین سامانه های نظارتی هم در دنیا و هم در ایران هستند. ما سامانه هایی در این حد نداریم که اینقدر لایو دیتاها را چک و تحلیل بکند. اما هوش مصنوعی در بورس نوع دیگر هم پس از معاملات است بالاخره بر اساس هیستوری هایی که شکل می گیرد باید بتوان از این دیتاها بتوانند آن الگوهای نامنظم را تشخیص بدهند.

حسن زاده دیگر مقام مسئول در این حوزه در پاسخ به تسنیم معتقد است، از زمانی که سامانه های جدید مستقر شده اند، هیچ اختلالی در سامانه ها نبوده است. امروز چند سامانه نظارتی داریم یکی یک ماژول مربوط به هسته معاملات است یکی هم سامانه بیدار که اشاره شد. برای طراحی این سامانه ها. هم در از ظرفیت داخلی استفاده شده و ،شرکت بورس تهران و فرابورس در حال استفاده از انها هستند. از سوی دیگر خود آن شرکت ها، دوباره سامانه های نظارتی را خودشان دارند.

چندی قبل نیز ابهاماتی در خصوص غیر فعال شدن آ سامانه های نظارتی مطرح شد که باید گفت، هیچ سامانه‌ای غیرفعال نیست بلکه سامانه ها ی قدیمی با سامانه های نوین جایگزین شدند.

دانلود فایل پاورپوینت کاربرد هوش مصنوعی در بورس و امور مالی

شرکت مگ ایرانز ضمانت می کند تا 48 ساعت ،اگر به هر دلیلی از خرید خود ناراضی بودید ، مبلغ آن به صورت کامل و بدون چون و چرا، برگشت داده شود .جهت درخواست برگشت وجه ، با پشتیبانی تماس بگیرید .

بخشی از پاورپوینت

--- پاورپوینت شامل تصاویر میباشد ----

اسلاید 1 :

• مقدمه
• چهار مورد از تکنولوژیها و تکنیک های حسابداری
• کاربردهای هوش مصنوعی در امور مالی
• پیش بینی روند قیمت سهام
• برآورد بهای تمام شده
• قیمت گذاري اوراق بهادار جدید
• منطق فازی
• کشف تقلب در صورت های مالی
• پیش بینی ورشکستگی
• هوش مصنوعي در سرمايه گذاري
• نتايج پژوهش
• پيشنهادهايي به سياست گذاران و دست اندرکاران

اسلاید 2 :

هوش مصنوعی علاوه بر کاربرد هایی که در زمینه های مختلف دارد مدت هاست که جایگاه خود را در حسابداری و امور مالی پیدا کرده است. محققان حسابداری تکنولوژی ها و تکنیک های هوش مصنوعی را با موفقیت هایی چند، برای کارهای خاصی در گزارشگری و تحلیل مالی حسابرسی هوش مصنوعی در بورس و اطمینان بخشی و در محدوده های دیگرمانند بورس به کار برده اند.

اسلاید 3 :

با توجه به گسترده بودن این مباحث، چهار مورد از آن ها که نقش عمده تری در تشریح کاربرد هوش مصنوعی در حسابداری و امور مالی دارند، توضیح داده شده است:

اسلاید 4 :

سیستم های خبره :
اصطلاح سیستم خبره از سیستم هاي خبره دانش محور مشتق شده است. سیستم خبره، سیستمی است که دانش انسانی را بوسیله کامپیوتر، براي حل مسائلی که غالبا نیازمند تخصص انسانی است، به کار می برد. در واقع سیستم خبره، روشی براي گنجاندن دانش افراد خبره در کامپیوتر است ، گامی در جهت بناي هوش مصنوعی . این سیستم ها می کوشند جنبه هایی از دانش و استدلال انسانی را در کامپیوتر بگنجانند تا به تحلیل مسائل پرداخته و به نتایجی مناسب برسند .

اسلاید 5 :

شبکه ی عصبی :

سیستم عصبی مصنوعی در امور مالی کاربرد هایی دارد که مهمترین آن ها :
پیش بینی روند قیمت سهام
ارزشیابی
پیش بینی میزان اعتبار
تصویب اعتبارات
برآورد بهای تمام شده
پیش بینی و برآورد آتی
ارزیابی ورشکستگی( ارزیابی خطر وام دهی)
منطق فازی

اسلاید 6 :

الگوریتم ژنتیک :

الگوریتم ژنتیک در امور مالی کاربرد هایی دارد که مهمترین آن ها :

کشف تقلب در صورت های مالی
پیش بینی ورشکستگی
انتخاب پرتفوی

اسلاید 7 :

دانشمندان و محققان در دهه آخر قرن بيست عمدتًا به اين اصل معتقد شدند كه فرض منطقي بودن سرمايه گذاري كه اصل غيرقابل اغماض در هوش مصنوعی در بورس سرمايه گذاري مدرن مالي است ويكي از مفروضات اصلي در بازار كارا و يا مدل بازار است با توجه به عوامل پيچيده اي كه در بازارهاي سهام دخيل هستند، واقعي نيست . آن ها به اين نتيجه رسيده اند كه بازار سرمايه داري نظم مشخصي نيست و استفاده از رياضيات پيچيده در سيستم هاي غير خطي و پويامي تواند مدل هايي را ايجاد كند كه نظريه هاي گذشته را باطل كند .