en پیش‌بینی کوتاه مدت نرخ دلار آمریکا با استفاده از یادگیری عمیق و تاثیر ویژگی‌های تحلیل احساسات بر آن اقتصاد Economics پژوهشی اصیل - كاربردی Original Research - Empirical <p dir="rtl">این مطالعه به بررسی نقش تحلیل احساسات در بهبود مدل‌های پیش‌بینی نرخ دلار و ارائه شواهد تجربی در خصوص موضوع اقتصاد روایی می‌پردازد؛ نظریه‌ایی که اظهار می‌کند نتایج اقتصادی از باورها و روایت‌های رایج تاثیر می‌پذیرند. در این تحقیق، ما با ادغام ویژگی‌های مبتنی بر احساسات در چارچوب‌های پیش‌بینی، نشان می‌دهیم که تغییرات نرخ ارز تحت تأثیر عوامل روایی قرار دارد که فراتر از متغیرهای اقتصادی سنتی است. یافته‌های ما نشان می‌دهند که احساسات بازار به طور سیستماتیک بر نوسانات ارز تأثیر می‌گذارد. برای ارزیابی اثربخشی مدل‌های بهبودیافته با ویژگی‌های احساسات، رویکردهای مختلف پیش‌بینی با هم مقایسه شدند. نتایج به طور خاص نشان داد که مدل خطی تعمیم یافته (GLM) که با ویژگی‌های احساسی بهبود یافته است، از معماری‌های یادگیری عمیق پیچیده‌تر، از جمله شبکه‌های حافظه کوتاه‌مدت (LSTM) و مدل‌های ترکیبی CNN-LSTM بهتر عمل می‌کند. علاوه بر این، حتی مدل پرسپترون چند لایه بهینه شده (MLP) عملکردی بهتر از مدل GLM ارائه نمی‌کند و خطی بودن بالقوه رابطه بین پیش‌بینی‌کننده‌ها و نرخ ارز را برجسته می‌کند. این نتایج بر اهمیت هماهنگی میان پیچیدگی مدل و ویژگی‌های آماری متغیر هدف تأکید می‌کند. فراتر از پیش‌بینی نرخ دلار، مطالعه ما بر اهمیت فراتر بکارگیری احساسات و روایت‌ها در مدل‌های اقتصادی تأکید می‌کند. محققان و سیاستگذاران با پذیرش نقش باورهای ذهنی در تصمیمات، رفتارها و نتایج اقتصادی، می‌توانند دقت پیش‌بینی را افزایش داده و فرآیندهای تصمیم‌گیری در بازارهای مالی را بهبود بخشند.</p> <p>This study investigates the role of sentiment analysis in improving exchange rate prediction models, providing empirical evidence for narrative economics; the idea that economic outcomes are shaped by prevailing beliefs and popular narratives. By integrating sentiment-based features into predictive frameworks, we demonstrate that exchange rate movements are influenced by subjective factors beyond traditional economic variables. Our findings suggest that market sentiment systematically impacts currency fluctuations. To assess the effectiveness of sentiment-enhanced models, we compare various forecasting approaches. Notably, a generalized linear model (GLM) outperforms more complex deep learning architectures, including long short-term memory (LSTM) networks and hybrid CNN-LSTM models. Additionally, even an optimized multilayer perceptron (MLP) fails to surpass GLM performance, highlighting the potential linearity of the relationship between predictors and exchange rates. These results underscore the importance of aligning model complexity with the statistical properties of the target variable. Beyond exchange rate forecasting, our study underscores the broader significance of incorporating sentiment and narratives into economic models. By acknowledging the role of subjective beliefs, researchers and policymakers can enhance predictive accuracy and improve decision-making processes in financial markets.</p> پیش‌بینی, اقتصاد روایی, نرخ ارز, مدل‌های یادگیری عمیق, تحلیل احساس, شبکه مجازی Prediction, Narrative Economics, Foreign Exchange Rate, Deep Learning Models, Sentiment Analysis, Social Network 249 274 http://jme.mbri.ac.ir/browse.php?a_code=A-10-658-1&slc_lang=en&sid=1 Seyed Jafar Mortazavian Farsani سید جعفر مرتضویان فارسانی j.mortazavian@srbiau.ac.ir 10031947532846006794 10031947532846006794 No Department of Information Technology Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده اقتصاد و مدیریت، گروه مدیریت فناوری اطلاعات Abbas Toloie Eshlaghy عباس طلوعی اشلقی toloie@gmail.com 10031947532846006795 10031947532846006795 Yes Department of Information Technology Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده اقتصاد و مدیریت، گروه مدیریت فناوری اطلاعات Reza Radfar رضا رادفر r.radfar@srbiau.ac.ir 10031947532846006796 10031947532846006796 No Department of Industrial Management, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده اقتصاد و مدیریت، گروه مدیریت صنعتی