Хураангуй:
Сүүлийн жилүүдэд дэлхийн болон дотоодын хөрөнгийн зах зээлд хөрөнгө оруулалтад хувьцааны өгөөжийг илүү оновчтой, нарийвчлалтай таамаглах эрэлт хэрэгцээ өсөн нэмэгдэж байгаа нөхцөлд машин сургалтын орчин үеийн загваруудыг ашиглах хандлага нэмэгдэж байна. Хэдий тийм боловч, Монгол Улсад хувьцааны ханшийг таамаглах судалгаанууд зонхилж байсан ч хувьцааны өгөөжид макро эдийн засгийн хүчин зүйлсийн нөлөөг гүн сургалтын аргаар тооцоолсон иж бүрэн судалгаа ховор байгааг судлагдсан байдал харуулж байна. Үүнтэй уялдуулан энэхүү дипломын ажил нь “АПУ ХК”, “Говь ХК”, “Таван Толгой ХК” компанийн хувьцааны өгөөжид макро эдийн засгийн хувьсагчдын нөлөөллийг LSTM болон Random Forest загваруудыг харьцуулан шинжилсэн анхны цогц судалгааны нэг болж байна.
Судалгаанд 2015–2024 оны хоорондох сар бүрийн инфляц, ДНБ, валютын ханш, мөнгөний нийлүүлэлт, төгрөгийн болон валютын зээлийн хүү, бодлогын хүү, экспорт, импорт зэрэг макро эдийн засгийн 10 хувьсагч болон зах зээлийн эрсдэлийн өгөөжийг ашиглав.
Шинжилгээнд 80/20 харьцаатайгаар Long Short Term Memory (LSTM) болон Random Forest загваруудыг ашиглаж, “Permutation Importance” аргаар хувьсагчдын нөлөөг тооцоолон, хувьцааны өгөөжийг таамаглах загвар боловсруулсан. Судалгааны үр дүнгээс харахад, LSTM загвар нь богино хугацааны огцом хэлбэлзлийг сайн мэдэрсэн ч Random Forest загвараас илүү алдаатай байсан бол Random Forest загвар нь ерөнхий чиг хандлагыг тогтвортой илэрхийлж байсан. Нөлөөллийн шинжилгээний үр дүнд өгөөж бүрд хамгийн өндөр нөлөөтэй хувьсагч нь зах зээлийн эрсдэлийн өгөөж байв.
Судалгааны үр дүнд зөвхөн нөлөөлөгч хувьсагчдыг ашиглах нь бүх хувьсагчийг хамарснаас илүү нарийвчлалтай, бага алдаатай таамаглал өгч байсныг тогтоож, хөрөнгө оруулагчид болон зах зээлийн шинжээчдийн шийдвэр гаргалтад дэмжлэг үзүүлэхүйц чухал мэдээллийг санал болголоо.
