بررسی دقت ماشین‌های یادگیر در پیش‌بینی بازده حاصل از تغییر قیمت سهام با استفاده از مدل رافست، نزدیک‌ترین همسایه و درخت تصمیم‌گیری.
الموضوعات :محمدرضا کریمی پویا 1 , مهرداد قنبری 2 , بابک جمشیدی نوید 3 , منصور اسماعیل پور 4
1 - دانشجوی دکترای حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
2 - استادیار گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
3 - استادیار گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
4 - استادیار گروه کامپیوتر، دانشکده فنی مهندسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
الکلمات المفتاحية: درخت تصمیم, نزدیک ترین همسایه, تخمین( پیش بینی), رافست, بازده آتی سهام,
ملخص المقالة :
پیش‌بینی یکی از مولفه‌های مهم و ضروری در برنامه‌ریزی‌های کوتاه‌مدت و میان‌مدت در هر کسب و‌کاری است. یک پیش‌بینی دقیق می‌تواند در کسب بازده، مدیریت جریان‌های نقدی و تخصیص منابع نقش موثری داشته باشد و به سرمایه گذار این امکان را می‌دهد که در یک بازه زمانی مشخص حدود درآمد کسب‌و‌کار و بازده خود را تخمین بزند. محققان در این اندیشه اند که روش های قدیمی، هزینه بر و زمان بر را کنار گذاشته و روش هایی جدید همچون استفاده از ماشین های یادگیر را پیاده سازی نمایند. این پژوهش از نظر نوع پژوهش، تحلیلی-تجربی، از نظر طرح پژوهش، پس رویدادادی، از نظر هدف، کاربردی، از نظر منطق اجرا، قیاسی و از نظر زمان انجام، طولی و از نوع آینده نگر می باشد. در این پژوهش، از الگوی الگوریتم نزدیک ترین همسایه، روش رافست و درخت تصمیم گیری برای بهبود قدرت پیش بینی، کاهش هزینه و زمان پیش بینی بازده سهام استفاده شده است. بدین منظور نمونه ای متشکل از 113شرکت موجود در بورس اوراق بهادار تهران در طی یک دوره 10 ساله ( 1394- 1385) از شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شده است نتایج پژوهش نشان داد که تمام فرضیه های این پژوهش مبنی بر وجود تفاوت در دقت تخمین این مدل‌ها در پیش‌بینی سه متغیر وابسته می باشند.
_||_
