فهرست نشریات علمی دسترسی آزاد ایران

هدف: هدف از پیش‌بینی تغییرات سود، آگاهی‌دادن به سرمایه‌گذاران، تحلیلگران مالی، مدیران، مسئولان بازار سهام، اعتباردهندگان و سایر استفاده‌کنندگان، به‌منظور قضاوت‌کردن واحد تجاری، تصمیم‌گیری برای خرید یا فروش سهام و اعطا یاعدم اعطای وام و اعتبارات است. این پژوهش با هدف ارزیابی عملکرد و مقایسۀ دقت پیش‌بینی مدل‌های یادگیری ماشین و مدل‌های آماری، برای پیش‌بینی جهت تغییرات سه مؤلفه سود، از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی اجرا شده است.روش: در این پژوهش با استفاده از اطلاعات مالی ۱۳۹ شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران، در دورۀ زمانی ۱۵ ساله، طی سال‌های ۱۳۸۷ تا ۱۴۰۱ و با به‌کارگیری ۲۵ مدل یادگیری ماشین و ۱۰ مدل آماری، به بررسی مقایسۀ کارایی مدل‌های یادگیری ماشین و مدل‌های آماری برای پیش‌بینی جهت تغییرات اجزای سود از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی پرداخته شده است. در پژوهش حاضر از نرم‌افزار اکسل برای مرتب‌سازی داده‌ها، نرم‌افزار ایویوز برای استخراج آمار توصیفی و از نرم‌افزارهای داده‌کاوی اس‌پی‌اس‌اس مدلر و رپیدماینر برای مدل‌سازی پیش‌بینی جهت تغییرات سود استفاده شده است. ارزیابی عملکرد مدل‌های یادگیری ماشین، از طریق دو معیار دقت پیش‌بینی مدل (accuracy) و ناحیه زیر منحنی (AUC) و ارزیابی عملکرد مدل‌های آماری تنها با معیار دقت پیش‌بینی مدل انجام شده است. در نهایت، به‌منظور انتخاب مدلی که بهترین عملکرد را برای پیش‌بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی دارد، از میان مدل‌های یادگیری ماشین، به انتخاب مدل بهینه با استفاده از منحنی راک پرداخته شده است.یافته‌ها: پس از محاسبۀ متوسط دقت پیش‌بینی مدل‌های یادگیری ماشین و مدل‌های آماری، مشخص شد که متوسط دقت پیش‌بینی مدل‌های یادگیری ماشین برای متغیرهای وابسته (درصد تغییرات سود (زیان) خالص، درصد تغییرات سود (زیان) ناخالص و درصد تغییرات سود (زیان) عملیاتی)، از ۸۳ درصد تا ۹۳ درصد و متوسط دقت پیش‌بینی مدل‌های آماری برای هر سه مؤلفه سود، از ۷۶ درصد تا ۸۳ درصد متغیر است. پس از احراز نرمال نبودن متوسط دقت مدل‌های یادگیری ماشین و مدل‌های آماری برای اجزای سود توسط آزمون کلموگروف اسمیرنف، از آزمون ناپارامتریک یومن ویتنی برای مقایسۀ دقت پیش‌بینی مدل‌های یادگیری ماشین و مدل‌های آماری برای پیش‌بینی جهت تغییرات اجزای سود استفاده شد.نتیجه‌گیری: نتایج آزمون فرضیه‌های پژوهش، بیانگر کارایی بالای مدل‌های یادگیری ماشین برای پیش‌بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی نسبت به مدل‌های آماری است. نتایج منحنی راک نیز نشانگر آن است که مدل درخت تصمیم با دقت پیش‌بینی معادل ۱۰۰ درصد، برای پیش‌بینی جهت تغییرات سود (زیان) خالص و دقت پیش‌بینی معادل ۳۸/۹۹ درصد برای پیش‌بینی جهت تغییرات سود (زیان) ناخالص و مدل استنتاج قوانین با دقت پیش‌بینی معادل ۷۶/۸۶ درصد در پیش‌بینی جهت تغییرات سود (زیان) عملیاتی، بهترین عملکرد را داشتند و به‌عنوان مدل بهینه انتخاب شدند.