پیش‌بینی قیمت دلار در ماه آینده؛ آیا هوش مصنوعی می‌تواند جای تحلیل‌های انسانی را بگیرد؟

در روزهای پایانی تابستان ۱۴۰۵، قیمت دلار در بازار آزاد از مرز ۲۰۰ هزار تومان عبور کرده و به کریدور جدیدی وارد شده است . این جهش قیمتی که در نتیجه تشدید تحریم‌ها، کاهش صادرات نفت به نزدیک صفر، و افزایش انتظارات تورمی رخ داده، نگاه‌ها را به آینده بازار ارز معطوف کرده است .

در این شرایط، دو رویکرد متفاوت برای پیش‌بینی قیمت دلار در ماه‌های آینده وجود دارد: رویکرد سنتی مبتنی بر تحلیل عوامل اقتصادی و سیاسی، و رویکرد مدرن مبتنی بر هوش مصنوعی و الگوریتم‌های یادگیری مachine. این مقاله به بررسی دقیق این دو رویکرد می‌پردازد و نشان می‌دهد که هر کدام چه نقاط قوت و ضعفی در مواجهه با پیچیدگی‌های بازار ارز ایران دارند.

بخش اول: بازار ارز ایران؛ بازاری که الگوریتم‌ها را به چالش می‌کشد

چرا پیش‌بینی دلار در ایران دشوار است؟

بازار ارز ایران با ویژگی‌های منحصربه‌فردی مواجه است که آن را به یکی از دشوارترین بازارها برای پیش‌بینی تبدیل کرده است. کارشناسان اقتصادی بر این باورند که نرخ ارز در ایران لزوماً به تورم، نقدینگی یا تراز تجاری به صورت خطی واکنش نشان نمی‌دهد و چه‌بسا در مقاطعی برخلاف تمام مدل‌های اقتصادی، مسیر متفاوتی را طی کرده است .

عوامل متعددی در این پیچیدگی نقش دارند:

۱. شوک‌های سیاسی ناگهانی: تصمیمات غیرقابل‌پیش‌بینی، تحریم‌های جدید، و تنش‌های منطقه‌ای می‌توانند در کوتاه‌ترین زمان ممکن، تمام معادلات بازار را بر هم بزنند .

۲. کیفیت و شفافیت داده‌ها: در ایران، داده‌های ارزی یا با تأخیر منتشر می‌شوند، یا به صورت کامل در دسترس نیستند. همچنین با چند نرخ رسمی، نیمه‌رسمی و غیررسمی مواجه‌ایم که «واقعیت بازار» را چندپاره کرده است .

۳. انتظارات روانی و شایعات: بازار ارز ایران به شدت «انتظارات‌محور» است و هر پیام رسانه‌ای می‌تواند بر رفتار بازیگران اثر بگذارد. این ویژگی، پیش‌بینی را حتی برای پیچیده‌ترین الگوریتم‌ها دشوار می‌سازد .

۴. عوامل بنیادی فشارآور: تورم مزمن بالای ۵۰ درصد، کاهش درآمدهای نفتی، کسری بودجه و محدودیت‌های ارزی از عواملی هستند که به طور مداوم بر قیمت دلار فشار صعودی وارد می‌کنند .

بخش دوم: چشم‌انداز قیمت دلار در ماه آینده؛ روایت کارشناسان

سناریوی صعودی؛ ادامه روند افزایشی

تحلیلگران بازارهای مالی با اشاره به تشدید تحریم‌ها و کاهش چشمگیر درآمدهای نفتی، چشم‌انداز دلار در ماه‌های آینده را صعودی ارزیابی می‌کنند. میلاد زمانی، کارشناس بازارهای مالی، معتقد است که در صورت تداوم شرایط فعلی، قیمت دلار تا پایان سال به محدوده کریدور ۲۵ تا ۲۷ هزار تومان (۲۵۰ تا ۲۷۰ هزار تومان) خواهد رسید .

دلایل این پیش‌بینی صعودی عبارتند از:

• کاهش صادرات نفت: صادرات نفت ایران که پیش از جنگ روزانه ۲.۱ میلیون بشکه بود، تحت تأثیر محاصره دریایی به نزدیک صفر رسیده است. این به معنای کاهش ورود ارز به کشور و تشدید کمبود عرضه در بازار است .

• تشدید تحریم‌ها: هر روز تحریم‌های جدیدی علیه ارکان جمهوری اسلامی، شرکت‌های وابسته، صرافی‌ها و شرکت‌های واسط اعمال می‌شود و دسترسی‌های ارزی به تدریج محدودتر شده‌اند .

• فشردگی قیمت دلار در سال گذشته: به گفته کارشناسان، فشردگی قیمت دلار در سال گذشته اکنون در حال تخلیه شدن است و این فشار به همراه تحریم‌های جدید، اقتصاد را تحت تأثیر قرار داده است .

• کسری بودجه و هزینه‌های جنگ: کسری بودجه همچنان یکی از مشکلات مهم اقتصاد ایران است و هزینه‌های ناشی از جنگ نیز به این فشارها اضافه شده است .

سناریوی کاهشی؛ توافق و رفع تحریم‌ها

در مقابل، سازمان برنامه و بودجه ایران سناریوی متفاوتی را ترسیم کرده است. بر اساس این سناریو، در صورت دستیابی به توافق جامع با آمریکا و رفع تحریم‌ها، قیمت دلار که در اردیبهشت ۱۴۰۵ به ۱۷۹ هزار تومان رسیده بود، در شهریور ۱۴۰۵ به ۱۲۷ هزار تومان کاهش می‌یابد و تا پایان سال ۱۴۰۶ به ۱۴۸ هزار تومان می‌رسد .

این سناریو مبتنی بر عواملی مانند آزادسازی منابع ارزی، افزایش صادرات نفت، تسهیل مبادلات مالی و کاهش نااطمینانی است . با این حال، با توجه به شرایط فعلی و عبور دلار از مرز ۲۰۰ هزار تومان، تحقق این سناریو در کوتاه‌مدت بعید به نظر می‌رسد .

بخش سوم: هوش مصنوعی در خدمت پیش‌بینی نرخ ارز

الگوریتم‌های پیش‌بینی؛ از داده‌های تاریخی تا تحلیل احساسات

هوش مصنوعی در سال‌های اخیر به ابزاری قدرتمند برای پیش‌بینی بازارهای مالی تبدیل شده است. پژوهش‌های علمی نشان می‌دهد که مدل‌های یادگیری ماشین و یادگیری عمیق می‌توانند الگوهای پنهان در داده‌های ارزی را شناسایی کرده و پیش‌بینی‌های دقیق‌تری ارائه دهند.

۱. مدل‌های یادگیری عمیق (Deep Learning)

پژوهش‌ها نشان می‌دهد که مدل‌های پیشرفته مانند LSTM، GRU و Bi-GRU می‌توانند وابستگی‌های بلندمدت و الگوهای غیرخطی پیچیده را در داده‌های ارزی شناسایی کنند. یک مطالعه علمی که در سال ۲۰۲۴ منتشر شد، نشان داد که مدل‌های یادگیری عمیق با ترکیب داده‌های عددی و متنی (اخبار)، عملکرد بهتری نسبت به روش‌های سنتی اقتصادسنجی دارند .

۲. تحلیل احساسات (Sentiment Analysis)

یکی از جذاب‌ترین کاربردهای هوش مصنوعی در پیش‌بینی ارز، تحلیل احساسات بازار است. پژوهشگران با استفاده از پردازش زبان طبیعی (NLP)، احساسات موجود در شبکه‌های اجتماعی، اخبار و تحلیل‌های اقتصادی را استخراج کرده و به عنوان ورودی مدل‌های پیش‌بینی استفاده می‌کنند.

یک مطالعه جامع که در نشریه Nature منتشر شد، نشان داد که ترکیب داده‌های تاریخی با احساسات استخراج‌شده از توییت‌های اردو، می‌تواند دقت پیش‌بینی نرخ ارز را به طور قابل‌توجهی بهبود بخشد. در این پژوهش، مدل هیبریدی LSTM+XGBoost با احساسات مبتنی بر GPT-4o به خطای RMSE معادل ۰.۰۸۳۱ دست یافت .

۳. تلفیق داده‌ها (Data Fusion)

پژوهش‌گران ایرانی نیز در این زمینه فعال بوده‌اند. یک مطالعه که در دانشگاه سمنان انجام شد، مدلی جامع مبتنی بر یادگیری ماشین ارائه داد که اخبار مؤثر بر نرخ ارز را از ۱۰ پایگاه اصلی داخلی و خارجی جمع‌آوری کرده و به همراه داده‌های نرخ ارز و شاخص‌های اقتصادی به مدل داده است. نتایج این پژوهش نشان داد که رویکرد جامع با لحاظ کردن تمامی عوامل مؤثر به صورت مستقیم، به طور قابل‌توجهی عملکرد بهتری در مقایسه با رویکردهای گذشته داشته و خطای پیش‌بینی را بیش از ۵ درصد کاهش داده است .

۴. مدل‌های هیبریدی

برخی پژوهش‌ها نشان داده‌اند که مدل‌های هیبریدی که ترکیبی از الگوریتم‌های مختلف هستند، بهترین عملکرد را ارائه می‌دهند. به عنوان مثال، مدل هیبریدی CNN-LSTM یا ترکیب شبکه‌های عصبی مصنوعی با روش‌های آماری، می‌توانند در شرایطی که داده‌های تاریخی ناقص هستند، نتایج بهتری ارائه دهند .

محدودیت‌های هوش مصنوعی در بازار ایران

با وجود پیشرفت‌های چشمگیر، هوش مصنوعی برای پیش‌بینی نرخ ارز در ایران با محدودیت‌های جدی مواجه است:

۱. داده‌های ناقص و چندپاره: همان‌طور که اشاره شد، کیفیت داده‌های ارزی در ایران پایین است و نرخ‌های رسمی، نیمه‌رسمی و غیررسمی مختلفی وجود دارد. وقتی «واقعیت بازار» خود چندپاره است، طبیعی است که خروجی هوش مصنوعی نیز تصویری مبهم و گاه متناقض ارائه دهد .

۲. غیرقابل‌پیش‌بینی بودن شوک‌های سیاسی: هوش مصنوعی بر اساس داده‌های تاریخی کار می‌کند، اما بازار ارز ایران به شدت تحت تأثیر شوک‌های سیاسی ناگهانی است که در داده‌های تاریخی وجود ندارند. به عبارت دیگر، هوش مصنوعی «گذشته» را می‌بیند در حالی که آینده الزاماً تکرار آن نیست .

۳. «الگوشکن» بودن بازار: بازار ارز ایران اساساً بازاری «الگوشکن» است که نه تنها متغیرهای اقتصادی کلاسیک، بلکه شوک‌های ناگهانی، تصمیم‌های غیرقابل‌پیش‌بینی، انتظارات روانی و حتی شایعات در آن نقش تعیین‌کننده دارند .

۴. سوءاستفاده از عنوان هوش مصنوعی: بسیاری از پیش‌بینی‌هایی که با برچسب «هوش مصنوعی» در فضای رسانه‌ای منتشر می‌شوند، در عمل چیزی فراتر از تحلیل‌های ساده آماری یا حتی بازنویسی تحلیل‌های انسانی نیستند و استفاده از این عنوان بیش از آنکه پشتوانه علمی داشته باشد، کارکرد تبلیغاتی دارد .