در حال‌حاضر بیشتر سرمایه‌گذاران بورسی که از تخصص و مهارت تحلیل بالایی برخوردار هستند، عمدتا به دلیل صرفه‌جویی در زمان و کشف حداکثر سود به‌دنبال روش‌هایی جهت مقایسه راه‌های مختلف تجزیه و تحلیل داده‌های موجود و تاثیرگذار در این بازار هستند که با انتخاب این روش‌ها و حل مشکلات پیش‌رو، بیشترین میزان سود و ارزش سرمایه‌گذاری را برای فعالیت در این حیطه به‌دست آورند. تحقیقات بسیاری در راستای ارائه راهکارهای سرمایه‌گذاری موفق به کمک روش‌های مختلف از جمله شبیه‌سازی، تحلیل سری‌های زمانی، ترکیب روش‌های هوش‌مصنوعی با روش‌های تحلیل سری‌های زمانی و در آخر ترکیب روش‌های داده‌کاوی در بازار بورس اوراق‌بهادار ایران صورت‌گرفته‌است. الگوریتم‌های خوشه‌بندی، طبقه‌بندی، کشف قوانین انجمنی و همچنین الگوریتم ژنتیک و شبکه عصبی یا ترکیبی از آنها، جهت پیش‌بینی رفتار آینده سهام و سرمایه‌گذاری موفق در بورس، انجام ‌شده‌است.

گسترش پردازش در بازار سهام

با افزایش جهانی‌سازی اقتصاد و تکامل فناوری اطلاعات، داده‌های مالی با سرعت بی‌‌‌‌‌‌‌‌سابقه‌‌‌‌‌‌‌‌ای تولید و انباشته می‌شوند، در نتیجه نیاز جدی به رویکردهای خودکار برای استفاده موثر و کارآمد از انبوه داده‌های مالی برای حمایت از افراد و موسسه‌‌‌‌‌‌‌‌های مالی در برنامه‌ریزی استراتژیک و تصمیم‌گیری جهت سرمایه‌گذاری احساس می‌شود. در صنعت مالی با استفاده از مفاهیم ریاضیات و تحلیل‌های آماری، استفاده از الگوریتم‌ها و تکنیک‌‌‌‌‌‌‌‌های داده‌کاوی می‌توان برای درک رفتار بازارهای مالی اقدام کرد. استفاده از این روش در بازارهای مالی تاثیرات مثبتی بر کسب‌وکار و بازار مشتریان هدف دارد، زیرا استخراج اطلاعات و داده‌های ارزشمند موجب می‌شود مشتریان هدف را به‌درستی شناسایی کرده و برای بازار هدف و بازدهی سرمایه، تصمیم‌گیری‌های درستی داشته باشید. بازارهای مالی تحت‌تاثیر افکار عمومی دچار نوسان‌های شدیدی خواهند بود که برای کنترل این نوسان‌های و تصمیم‌گیری صحیح و درست باید داده‌کاوی درستی بر روی حجم عظیم داده‌ها انجام شود تا بتوان اطلاعات مفیدی را از آن استخراج کرد. داده‌کاوی مراحل ابتدایی یک تصمیم‌گیری مالی مهم است که با ورود داده‌های درست می‌توان خروجی درستی دریافت کرد. داده‌کاوی در اصل یک استارت قوی برای داشتن یک بازار مالی قوی است که هرقدر دقیق‌تر انجام شود موجب کسب نتیجه بهتر و توسعه سریع‌تر بازارها خواهد شد. لازم به‌ذکر است که داده‌کاوی کاربردهای بسیار زیادی خارج از بورس در زمینه ارتباطات، بیمه، تحصیلات، ساخت، بانکداری و خرده‌فروشی و غیره نیز دارد.

نیاز بورس به اطلاعات و نه داده

پیش‌بینی بازار سهام به دلیل ماهیت نوسانی، پیچیده و دائما در حال تغییر آن، سال‌ها موضوع موردعلاقه سرمایه‌‌‌‌‌‌‌‌گذاران و همچنین محققان بوده‌است؛ زیرا این پیچیدگی و نوسان‌، پیش‌بینی‌های قابل‌اعتماد را دشوار می‌کند. برای این منظور از تکنیک‌های داده‌کاوی برای کشف الگوهای پنهان و پیش‌بینی روندها و رفتارهای آینده در بازارهای مالی استفاده می‌شود. مزایای رقابتی حاصل از داده‌کاوی شامل افزایش درآمد، کاهش هزینه‌‌‌‌‌‌‌‌ها، پاسخگویی و آگاهی بیشتر در بازارهای مالی مانند بورس است. بورس اوراق‌بهادار یکی از اصلی‌ترین مراکز مالی است که ویژگی بارز آن تولید دائمی داده‌های مختلف و متنوع مالی است، بنابراین برای موفقیت در بازار سهام با استفاده از تکنیک‌های داده‌کاوی، علاوه‌بر الگوریتم انتخابی، کیفیت داده‌ها و روش آماده‌سازی داده‌ها به‌ویژه در پایگاه‌‌‌‌‌‌‌‌های داده مالی اهمیت زیادی دارد. ظهور پلتفرم‌های معاملات آنلاین جمع‌آوری اطلاعات مفید زیادی را آسان‌تر کرده‌است. هوش‌مصنوعی به‌‌‌‌‌‌‌‌خوبی اطلاعات موجود را جمع‌آوری می‌کند و پیش‌بینی می‌کند که چگونه بازار در یک بازه زمانی کوتاه‌‌‌‌‌‌‌‌مدت ممکن است رفتارهای مختلفی از خود نشان دهد.ضرب‌‌‌‌‌‌‌‌المثلی وجود دارد که می‌گوید: اگر انسان بتواند سه روز آینده را ببیند، ثروتی خواهد داشت که ‌هزار سال ‌باقی‌می‌ماند، از این‌رو توانایی پیش‌بینی دقیق آینده به‌فرد قدرت و کنترل بی‌‌‌‌‌‌‌‌سابقه‌‌‌‌‌‌‌‌ای بر سرنوشت مالی خود می‌دهد. این همان چیزی است که مردم از هوش‌مصنوعی یا به‌عبارتی تکنولوژی پیش‌بینی‌کننده و داده‌کاوی در بازارهای مالی و به‌خصوص در بورس می‌‌‌‌‌‌‌‌خواهند. بسیاری از بهترین اپلیکیشن‌های معاملات آنلاین سهام امروزی در ایران و حتی خارج از نوعی هوش‌مصنوعی استفاده می‌کنند، اما در نقطه‌‌‌‌‌‌‌‌ای نیستند که بتوانند آینده را به‌‌‌‌‌‌‌‌طور دقیق پیش‌بینی کنند. اگر آنها بتوانند این کار را انجام دهند، بازار سهام به‌‌‌‌‌‌‌‌سرعت به پایان فاجعه‌‌‌‌‌‌‌‌باری می‌رسد، به‌طوری‌که اشخاص یا سازمان‌هایی که به این قدرت علمی دست‌یابند به تنهایی می‌توانند کلیت بازار را در راستای کسب سود برای خود پیش ببرند و افراد حقیقی و حقوقی دیگر مستثنی از این موضوع خواهند بود و با اتفاقی همچون ورشکستگی بنگاه‌ها یا خروج بسیاری از سرمایه‌گذارانی که به روش‌های کلاسیک و سنتی تحلیل می‌کردند ایجاد می‌شود. نحوه داده‌کاوی در بازار سهام به داده‌های تاریخی موجود متکی است و داده‌های تاریخی وابسته به زمان هستند. برای پیش‌بینی موفقیت‌آمیز آینده، هوش‌مصنوعی باید اطلاعاتی مانند اطلاع از نتایج مسیر رشد یک سهام در حداقل سه‌ماهه پیش از موعد را موردبررسی و تحلیل قرار دهد، با این حال این فناوری هنوز به‌جایی نرسیده و ممکن است هرگز به آن حد نرسد که بتواند آینده بازار سهام را به‌دقت پیش‌بینی کند؛ چراکه وضعیت این بازار به عوامل مختلفی مانند اوضاع اجتماعی و اخبار روز وابسته است و پیش‌بینی دقیق آن غیرممکن به‌نظر می‌رسد. به این ترتیب بورس اوراق‌بهادار یک سیستم پیچیده، ناپایدار، بی‌‌‌‌‌‌‌‌‌نظم، غیر‌خطی و پویا است.

پیش‌بینی بازار سهام شامل تشخیص روند بازار، تعیین استراتژی سرمایه‌گذاری و شناسایی بهترین زمان برای خرید و فروش سهام است. این کار می‌تواند از طریق بررسی هوشمندانه داده‌های مالی و بازاری وحتی رفتاری معامله‌گران حاضر در این بازار برای زمان گذشته و کنونی به‌منظور پیش‌بینی رفتار آینده بازار سهام انجام شود که جزو داده‌کاوی در بازارهای مالی به‌حساب می‌آیند. به این ترتیب با توجه به اینکه اساسا نماگرهای بازار سهام از متغیرهای بسیار زیاد و در عین‌حال شناخته‌شده و حتی ناشناخته بسیاری تاثیر می‌پذیرد، این عوامل را می‌توان به کمک فرآیند داده‌کاوی و تجزیه و تحلیل داده‌ها را به اطلاعات مفیدی که می‌تواند در مواقعی هدایت‌کننده بازار یا تاثیر‌گذار بر اذهان عموم سهامداران باشد، استخراج کرد.

 حال در بورس اوراق‌بهادار تهران با وجود برخی سامانه‌‌‌‌‌‌‌‌هایی که اقدام به تفکیک داده‌ها و تعاملی‌کردن آنها کرده‌اند و نه تجزیه و تحلیل و تبدیل آنها به اطلاعات اقتصادی، جای خالی این فناوری در بازار سهام ایران به‌شدت دیده می‌شود. علاوه‌بر این لازم به ذکر است که اقدامات تئوریک بسیاری در دانشگاه‌‌‌‌‌‌‌‌ها تحت‌عنوان مقالات علمی و پایان نامه‌‌‌‌‌‌‌‌ها اجرا شده‌است که قابلیت داینامیک و پویایی ندارند و صرفا مختص یک دوره و یک نوع از اطلاعات بازار هستند که خود این موضوع یک نقص بزرگ برای پردازش اطلاعات بورس تهران به‌حساب می‌آید؛ این در حالی است که در بسیاری از بورس‌های جهان روبات، اندیکاتور و بسیاری از ابزارهای دیگری برای کلیت بازار یا به‌صورت جزئی طراحی شده و کسب درآمد از آنها حتی باعث گسترش و پویاتر‌شدن معاملات شده ‌است.