هدف این پژوهش، پیش‌بینی بازده کوتاه مدت سهام در عرضه‌های اولیه با استفاده از الگوریتم‌های خفاش و جنگل تصادفی می-باشد. در این تحقیق، شرکتهایی که طی بازه زمانی1394 تا1399 برای اولین بار در فرابورس ایران عرضه شده‌اند به عنوان نمونه آماری انتخاب شدند. برای تجزیه وتحلیل داده‌ها از نرم‌افزار MATLAB استفاده گردید. برای آزمون فرضیه‌ها دو سناریو طرح گردید. سناریوی اول بصورت سالانه و سناریوی دوم بصورت6ساله در نظر گرفته شد. داد‌ه‌های مالی با 11 عامل: بازده کوتاه مدت بازار، بازده کوتاه مدت سهام جدید، تمایلات بازار، سن شرکت، اندازه شرکت، فروش سالانه ، بازده دارایی، بازده حقوق صاحبان سهام، قیمت انتشار سهام عرضه اولیه، سود عملیاتی، گردش نقدی از عملیات به عنوان عوامل تاثیرگذار و بازده مازاد سهم عرضه شده نسبت به بازار عامل تاثیرپذیر به‌عنوان پیش فرض‌های ورودی برای پیش‌بینی مقدار بهینه، وارد الگوریتم‌ها شدند. نتایج بدست آمده از الگوریتم خفاش حاکی از آن است که الگوریتم خفاش توانسته در هردو سناریو عملکرد بهتری در پیش‌بینی بازده کوتاه مدت سهام در عرضه‌های اولیه ارائه دهد و تفاوت چندانی ندارد. درحالی‌که نتایج دقت در پیش‌بینی الگوریتم جنگل تصادفی در سناریوی دوم به نسبت سناریوی اول حدود12 درصد افزایش یافته است. دلیل این تفاوت می‌تواند ناشی از بزرگ بودن فضای جستجو و کوتاه بودن طول زمانی‌داده‌ها برای الگوریتم جنگل تصادفی عنوان نمود. می‌توان نتیجه گرفت بکارگیری الگوریتم‌های نوپای خفاش وجنگل تصادفی در پیش‌بینی بازده کوتاه‌مدت سهام در عرضه‌های اولیه می‌تواند سرمایه‌گذاران را در پیش‌بینی بازده حداکثری و انتخاب بهنرین سهام براساس الگویی دقیق و با دقت بالا یاری نماید. تفاصيل المقالة