بررسی دقت ماشین های یادگیر در پیش بینی بازده حاصل از تغییر قیمت سهام با استفاده از مدل رافست، نزدیک ترین همسایه و درخت تصمیم گیری.

پیش بینی یکی از مولفه های مهم و ضروری در برنامه ریزی های کوتاه مدت و میان مدت در هر کسب و کاری است. یک پیش بینی دقیق می تواند در کسب بازده، مدیریت جریان های نقدی و تخصیص منابع نقش موثری داشته باشد و به سرمایه‏گذار این امکان را می دهد که در یک بازه زمانی مشخص حدود درآمد کسب و کار 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 می‏باشد. 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 فرضیه‏های این پژوهش مبنی بر وجود تفاوت در دقت تخمین این مدل ها در پیش بینی سه متغیر وابسته می باشند.