امیرحسین پناهی فرد

هدف این پژوهش، مقایسه رویکرد الگوریتم های یادگیری ماشین در پیش بینی هزینه های نگهداشت راهبردهای معاملاتی است. این تحقیق از نظر هدف کاربردی و روش جمع آوری داده ها، در دسته تحقیقات غیرآزمایشی قرار می گیرد و روابط بین متغیرها را بررسی و توصیف می کند و در نهایت، یک مدل ارائه می دهد که با استفاده از روش استقرایی قابل تعمیم به کل جامعه آماری خواهد بود. در این تحقیق، برای جمع آوری داده ها و اطلاعات، از روش کتابخانه ای استفاده شده است و با مراجعه به صورت های مالی، یادداشت های توضیحی و ماهنامه بورس اوراق بهادار، داده های شرکت های نمونه جمع آوری شده است. با استفاده از روش حذف سیستماتیک، 150 شرکت به عنوان نمونه آماری انتخاب شده است. برای توصیف و خلاصه داده های جمع آوری شده، از آمار توصیفی و استنباطی استفاده شده است. همچنین، برای تحلیل داده ها از روش های غیرخطی مانند درخت تصمیم گیری و شبکه های عصبی استفاده و برای تایید یا رد فرضیه های تحقیق، از نرم افزارهای Excel 2016، Weka 9 و Matlab 2019 استفاده شده است. نتایج نشان می دهند که الگوریتم های یادگیری ماشین مانند درخت تصمیم گیری و شبکه های عصبی، توانایی بالایی در پیش بینی هزینه های نگهداشت راهبردهای معاملاتی دارند. همچنین، توانایی این الگوریتم ها از لحاظ آماری برابر است و تفاوت معنی داری بین آن ها مشاهده نشده است