حسابداری، امور مالی و هوش محاسباتی 3092-7366 1 پیاپی 1 2024 04 09 Behavioral Finance and Computational Models: A Neural Network Approach to Understanding Investor Behavior مالیه رفتاری و مدل‌های محاسباتی: رویکرد شبکه‌های عصبی به فهم رفتار سرمایه‌گذاران 40 55 EN زهرا علوی دانشکده اقتصاد، دانشگاه کرمان، کرمان، ایران مهدی شفیعی دانشکده اقتصاد، دانشگاه کرمان، کرمان، ایران Journal Article 2024 02 03 Behavioral finance studies the impact of psychological and emotional factors on investors' financial decisions. Neural networks, as a tool of artificial intelligence, are applied in analyzing complex data and predicting financial behaviors, offering significant improvements in analyzing irrational investor behaviors. The study examined the impact of neural networks in enhancing the prediction of investors’ financial behaviors and compare them with other computational models. This study conducted a comprehensive review of existing research on the use of neural networks in behavioral finance. Data was collected from scientific articles and reputable research studies available in databases. The analyses were aimed at assessing the effectiveness of neural networks in predicting investor behaviors and comparing them with traditional models. The findings showed that neural networks, due to their ability to process complex data and identify nonlinear patterns, exhibit higher accuracy in predicting financial behaviors compared to traditional models. These models are capable of identifying irrational investor behaviors such as overconfidence and herding behavior. Furthermore, neural networks performed better in predicting market fluctuations and identifying financial risks. The integration of neural networks with behavioral finance can significantly improve financial decision-making and risk management in complex markets. However, the need for high-quality data and the development of new methods to enhance the transparency and explainability of neural networks remains crucial. مالیه رفتاری به مطالعه تأثیرات عوامل روان‌شناختی و احساسی بر تصمیمات مالی سرمایه‌گذاران می‌پردازد. شبکه‌های عصبی به عنوان یکی از ابزارهای هوش مصنوعی در تحلیل داده‌های پیچیده و پیش‌بینی رفتارهای مالی به کار گرفته می‌شوند و می‌توانند بهبود چشم‌گیری در تحلیل رفتارهای غیرعقلانی سرمایه‌گذاران ایجاد کنند. هدف این پژوهش بررسی تأثیر شبکه‌های عصبی در بهبود پیش‌بینی رفتارهای مالی سرمایه‌گذاران و مقایسه آن‌ها با سایر مدل‌های محاسباتی بود. این مطالعه یک مرور جامع از پژوهش‌های انجام شده در زمینه استفاده از شبکه‌های عصبی در مالیه رفتاری است. برای جمع‌آوری داده‌ها از مقالات علمی و پژوهش‌های معتبر در پایگاه‌های داده استفاده شد. تحلیل‌ها به منظور بررسی کارایی شبکه‌های عصبی در پیش‌بینی رفتارهای سرمایه‌گذاران و مقایسه آن با مدل‌های سنتی انجام گرفت. یافته‌ها نشان داد که شبکه‌های عصبی به دلیل توانایی پردازش داده‌های پیچیده و شناسایی الگوهای غیرخطی، دقت بیشتری در پیش‌بینی رفتارهای مالی نسبت به مدل‌های سنتی دارند. این مدل‌ها قادر به شناسایی رفتارهای غیرعقلانی سرمایه‌گذاران مانند بیش‌اعتمادی و رفتار توده‌ای هستند. همچنین، شبکه‌های عصبی در پیش‌بینی نوسانات بازار و شناسایی ریسک‌های مالی عملکرد بهتری داشتند. ترکیب شبکه‌های عصبی و مالیه رفتاری می‌تواند به بهبود تصمیم‌گیری‌های مالی و مدیریت ریسک در بازارهای پیچیده کمک کند. با این حال، نیاز به داده‌های با کیفیت و توسعه روش‌های جدید برای افزایش شفافیت و قابلیت توضیح‌پذیری شبکه‌های عصبی احساس می‌شود.

https://jafci.com/index.php/jafci/article/download/5/4