مقایسه دقت هوشمندی الگوریتم های مبتنی بر داده کاوی جهت برآورد قیمت (ارزش) سهام

حجم اطلاعات بازار سرمایه به طرز چشمگیری در حال گسترش می باشد و بدون استفاده از الگوریتم های داده کاوی و مدلهای کلان داده، بهره برداری از این داده ها امکان پذیر نخواهد بود. مطالعات گذشته بیانگر امکان پیش بینی قیمت سهام توسط مدل های یادگیری ماشین می باشد؛ اما دقت پیش بینی این مدل ها مورد ارزیابی قرار نگرفته است. هدف از این پژوهش مقایسه دقت هوشمندی پنج الگوریتم پرکاربرد داده کاوی شامل شبکه عصبی، رگرسیون لجستیک، نزدیکترین همسایه k، ماشین بردار پشتیبان و اعتبارسنجی ضربدری می باشد. از بین 385 شرکت فعال در بورس اوراق بهادار تهران، 72 شرکت به روش حذف سیستماتیک انتخاب و دقت مدل های فوق برای پیش بینی قیمت سهام بر روی داده های روزانه سهام منتحب برای سال های 1388 تا 1399 پیاده سازی شده است. متغیر قیمت سهام به عنوان متغیر وابسته و متغیرهای قیمت باز شدن، قیمت بسته شدن، بالاترین قیمت، پایین ترین قیمت و حجم معاملات، قیمت روزانه ارز آزاد، قیمت طلا و قیمت نفت به عنوان متغیر مستقل استفاده شده است. برای ارزیابی دقت برآورد قیمت سهام از سه شاخص ، MSE و RMSE استفاده شده و از تحلیل واریانس با استفاده از آماره F برای برازش دقت مدل ها و از آماره t برای مقایسه دو به دو مدل ها با یکدیگر استفاده شده است. نتایج پژوهش نشان داد از بین الگوریتم های هوشمند استفاده شده، الگوریتم ماشین بردار پشتیبان بیشترین قدرت برآورد قیمت سهام را به خود اختصاص داده است