هدف هذا البحث إلى استخدام التعلم الآلي للتوصل إلى نموذج للتنبؤ بسيولة أسهم البنوك المدرجة في سوق عمان للأوراق المالية مع دراسة إمكانية تطبيق هذا النموذج على سوق دمشق للأوراق المالية. ولتحقيق أهداف البحث تم تجميع البيانات اليومية اللازمة من موقع سوق عمان للأوراق المالية للمصارف المدرجة في السوق خلال الفترة من عام 2012 حتى بداية عام 2024،
بالإضافة إلى بيانات المصارف المدرجة في سوق دمشق للأوراق المالية لعام 2023 وشهر أيلول وتشرين الأول وتشرين الثاني وكانون الأول من عام 2022 لدراسة إمكانية التنبؤ بالسيولة لهذه المصارف باستخدام النموذج ذاته. ولقياس السيولة تم استخدام كل من حجم التداول وقيمة التداول ونسبة التداول والفرق بين أفضل سعر وأقل سعر بالإضافة إلى مقياس أمهيود وهو يمثل عوائد الأسهم على قيمة التداول بالقيمة المطلقة والتي تشكل السمات أو الميزات التي يبنى عليها النموذج. وباستخدام تقنيات التعلم الآلي المتمثلة بخوارزمية الذاكرة طويلة _قصيرة الأمد Long short Memory تم تطوير النموذج من حيث عدد النوافذ وعدد العصبونات اللازمة للدراسة وذلك على أساس النتائج التجريبية.
توصلت الدراسة إلى أن الشبكة العصبية المكونة من 6 نوافذ ومن طبقة مخفية مكونة من ثلاث طبقات، حيث تحتوي الطبقة الأولى على 16 خلية عصبية بينما تحتوي الطبقة الثالثة على 8 خلايا عصبية أعطت نتائج جيدة في التنبؤ بسيولة البنوك المدرجة في بورصة عمان حيث تراوحت دقة التنبؤ بين (93%_99%) في حين أن دقة التنبؤ للنموذج ذاته في سوق دمشق للأوراق المالية كانت تتراوح بين (84%-95%).
 يمكن استخدام نتائج البحث لتطوير نماذج تصل الى دقة تنبؤ جيدة ويمكنها التنبؤ بأكثر من سوق مالي بالإضافة إلى إمكانية الاستدلال بها من أجل اتخاذ القرارات وخاصة الداعمة في أسواق الأسهم كما يمكن من خلال هذه الدراسة استخدام خوارزميات التعلم الالي للتنبؤ في ربحية الأسهم وعوائدها وبالتالي تساعد المستثمرين في تلك الأسواق.