ستیلا رستمی - کارشناسی ارشد دانشگاه آزاد اسلامی واحد همدان

این مطالعه به بررسی کارآیی الگوریتم های یادگیری ماشین در پیش بینی قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. در مرحله اول ارزش روزانه متغیرها برای 9 سال متوالی( فروردین ماه 1385 لغایت پایان اسفند ماه 1393) را مد نظر قرار داده و سپس متغیر های موثر بر میزان تغییرات شاخص سهام بورس اوراق بهادار را مورد استفاده قرار دادیم. در مرحله دوم با استفاده از دو مدل رافست و رگرسیون لجستیک که از زیر مجموعه های الگوریتم یادگیری ماشین می باشند با استفاده از دو نرم افزار رزتا و وکا به پیش بینی شاخص بورس و اوراق بهادار تهران پرداختیم سپس مقادیر پیش بینی شده با این مدل ها را از طریق آزمون میانگین زوجی در نرم افزار SPSS با مقادیر واقعی مقایسه کردیم نهایتا با استفاده از آزمون آنوا برتری کارایی مدل ها را بررسی نمودیم.نتایج حاصل نشان از آن است که مدل های رافست و رگرسیون لوجستیک که زیر مجموعه های الگوریتم های یادگیری ماشین هستند، توانایی پیش بینی شاخص سهام را دارند.

پیش بینی، شاخص سهام، رافست، رگرسیون لوجستیک، ماشین های یادگیری