فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: پیش‌بینی بازده سهام اگرچه پیچیده است ولی همواره مورد علاقه سرمایه‌گذاران می‌باشد. سرمایه‌گذاران و تصمیم‌گیران جهت پیش‌بینی بازده سهام نیازمند اطلاعات هستند. هدف: این پژوهش با هدف پیش‌بینی بازده سهام در شرکت‌های پذیرفته‌شده بورس اوراق بهادار تهران  با تاکید بر نقش معیارهای مالی و نظارتی با استفاده از روش‌های یادگیری ماشین انجام شد. روش: این پژوهش از لحاظ هدف کاربردی و به لحاظ نوع مطالعه میدانی- کتابخانه‌ای است. جامعه آماری را شرکت‌های پذیرفته‌شده بورس اوراق بهادار تهران  طی سال‌های 1390 تا 1396 (یک دوره هفت‌ساله) تشکیل دادند و آزمون فرضیه‌ها با استفاده از روش‌های یادگیری ماشین (رویکرد خطی و غیرخطی و قانون‌گرا) انجام گرفت. یافته‏ها: نتایج آزمون متغیرگزینی با استفاده از روش Relief-F حاکی از ارتباط معنادار متغیرهای بازده دارایی، نسبت قیمت به سود هر سهم،کیوتوبین، نسبت وجه‌نقد عملیاتی، اهرم مالی و نسبت مالکان نهادی با بازده سهام است. همچنین نتایج نشان داد که روش‌های یادگیری ماشین PINSVR در حالت خطی و غیرخطی و CART توانایی مناسبی (بیش از 90 درصد) جهت پیش‌بینی بازده سهام دارند اما روش غیرخطی  PINSVR و قانون‌گرای CART نسبت به روش خطی قدرت پیش‌بینی بالاتری را نشان داد. نتیجه‏گیری: با توجه به نتایج به‌دست آمده، به صاحبان سرمایه و تصمیم‌گیران شرکت‌ها توصیه می‌شود که در تصمیم‌گیری‌های خود پیرامون سرمایه‌گذاری در بورس اوراق بهادار تهران از قدرت پیش‌بینی الگوریتم‌های هوش مصنوعی به‌ویژه روش‏های غیرخطی استفاده کنند.