فهرست نشریات علمی دسترسی آزاد ایران

انباشت سرمایه و نگهداری صحیح از دارایی نقش بسزایی را در رشد اقتصادی کشورها ایفا می‌کند. نقش موثر این عامل و اهمیت آن را به روشنی در سیستم اکثر کشورها به ویژه نظام‌های سرمایه‌داری می‌توان مشاهده نمود. بازار سرمایه یکی از مناسبترین جایگاه‌ها به منظور جذب دارایی‌های اندک و بکارگیری آنها با هدف رشد و ارتقا یک شرکت و همچنین افزایش دارایی شخصی سرمایه‌گذاران است. از اینرو، سرمایه‌گذاری درست، به افراد کمک می‌کند تا با مدیریت صحیح بخش مازاد درآمدهای خود، بتوانند به سرمایه لازم جهت رسیدن به اهداف خود دست پیدا کنند. اساسا قیمت سهام، غیرخطی و آشوبناک است، بنابراین سرمایه‌گذاری در بازار بورس، خطر بالایی به همراه دارد. برای به حداقل رساندن این خطر و کاهش مخاطرات، یک سیستم کارا مورد نیاز است که قادر باشد حرکت قیمت سهام در آینده را با دقت بالایی پیش‌بینی نماید. در این راستا، مدل‌های یادگیری ماشین عملکرد مناسبی در زمینه پیش‌بینی با دقت بالا را دارا هستند. الگوریتم‌های یادگیری ماشین توانایی مدل نمودن سیستم‌های غیرخطی و پیچیده را دارند. در این پژوهش به کمک رویکرد گروهی جدید مبتنی بر رگرسیون بردار پشتیبان یک مدل جمعی یا ترکیبی ساخته می‌شود که از دقت و سرعت بالایی در پیش‌بینی قیمت سهام برخوردار است. سهم‌های مورد استفاده در این پژوهش ده سهام شاخص‌ساز فولاد، شستا، فارس، فملی، شپنا، شتران، شبندر، خودرو، خساپا و پارس است که در بازه زمانی 1400/01/07 تا 1403/04/31 در نظر گرفته شده است. بر اساس معیارهای مختلف، نتایج به دست‌ آمده برتری روش رگرسیون بردار پشتیبان گروهی بر روش معمولی رگرسیون بردار پشتیبان و روش جنگل تصادفی را نشان می‌دهد.