قیاس رویکردی الگوریتم های یادگیری ماشین در پیش بینی هزینه های نگهداشت راهبردهای معاملاتی

doi
10.22051/jfm.2024.46462.2902
چکیده

هدف این پژوهش، مقایسه رویکرد الگوریتم‌های یادگیری ماشین در پیش‌بینی هزینه‌های نگهداشت راهبردهای معاملاتی است. این تحقیق از نظر هدف کاربردی و روش جمع‌آوری داده‌ها، در دسته تحقیقات غیرآزمایشی قرار می‌گیرد و روابط بین متغیرها را بررسی و توصیف می‌کند و در نهایت، یک مدل ارائه می‌دهد که با استفاده از روش استقرایی قابل تعمیم به کل جامعه آماری خواهد بود. در این تحقیق، برای جمع‌آوری داده‌ها و اطلاعات، از روش کتابخانه‌ای استفاده شده است و با مراجعه به صورت‌های مالی، یادداشت‌های توضیحی و ماهنامه بورس اوراق‌بهادار، داده‌های شرکت‌های نمونه جمع‌آوری شده است. با استفاده از روش حذف سیستماتیک، 150 شرکت به عنوان نمونه آماری انتخاب شده است. برای توصیف و خلاصه داده‌های جمع‌آوری شده، از آمار توصیفی و استنباطی استفاده شده است. همچنین، برای تحلیل داده‌ها از روش‌های غیرخطی مانند درخت تصمیم‌گیری و شبکه‌های عصبی استفاده و برای تایید یا رد فرضیه‌های تحقیق، از نرم‌افزارهای Excel 2016، Weka 9  و Matlab 2019 استفاده شده است. نتایج نشان می‌دهند که الگوریتم‌های یادگیری ماشین مانند درخت تصمیم‌گیری و شبکه‌های عصبی، توانایی بالایی در پیش‌بینی هزینه‌های نگهداشت راهبردهای معاملاتی دارند. همچنین، توانایی این الگوریتم‌ها از لحاظ آماری برابر است و تفاوت معنی‌داری بین آن‌ها مشاهده نشده است