رشد و عملکرد اقتصادی شرکت‌های فعال در صنعت حمل‌ونقل همواره تحت‌تأثیر مجموعه‌ای از عوامل درونی و بیرونی قرار دارد؛ از ساختار مدیریتی و کارایی درون‌سازمانی گرفته تا متغیرهای کلان اقتصادی نظیر قیمت نفت خام و سیاست‌های حاکمیتی. از آنجا که نمودار سهام هر شرکت بازتابی از تمامی این عوامل است، تحلیل رفتار قیمتی سهام می‌تواند ابزاری کارآمد برای ارزیابی روند رشد اقتصادی شرکت‌ها محسوب شود. در این پژوهش، با بهره‌گیری از مدل‌های یادگیری عمیق در هوش مصنوعی، روند قیمتی سهام ۲۸ شرکت فعال در هفت زیربخش حمل‌ونقل (هوایی، دریایی، ریلی، جاده‌ای، پستی و لجستیکی، خدمات متفرقه و اجاره خودرو) طی بازه‌ی زمانی ۲۰۲۰ تا ۲۰۲۴ مورد بررسی و پیش‌بینی قرار گرفت. داده‌های چهار سال نخست (۲۰۲۰ تا ۲۰۲۳) برای آموزش مدل و داده‌های سال ۲۰۲۴ برای آزمون پیش‌بینی به‌کار گرفته شدند. نتایج نشان داد مدل طراحی‌شده توانست با میانگین دقت ۹۷٫۹۸ درصد قیمت‌های واقعی را پیش‌بینی کند، و با افزودن متغیر قیمت نفت خام شاخص WTI، دقت مدل به ۹۸٫۶۱ درصد افزایش یافت. این بهبود در زیربخش‌هایی مانند ایرلاین‌ها و کشتیرانی که وابستگی مستقیم به هزینه سوخت دارند چشمگیرتر بود، در حالی‌که در بخش‌هایی مانند خدمات حمل‌ونقل هوشمند تغییر محسوسی مشاهده نشد. تحلیل‌های کیفی نیز نشان داد که مدل علاوه بر پیش‌بینی دقیق مقادیر، توانایی شناسایی صحیح روند حرکتی بازار را دارد. بدین‌ترتیب، مدل ارائه‌شده با ترکیب داده‌های مالی و اقتصادی توانسته است ابزاری کاربردی برای تحلیل بازار سرمایه و تصمیم‌گیری‌های استراتژیک در حوزه‌ی حمل‌ونقل فراهم آورد.