بررسي دقت ماشين‌هاي يادگير در پيش‌بيني بازده حاصل از تغيير قيمت سهام با استفاده از مدل رافست، نزديك‌ترين همسايه و درخت تصميم‌گيري.

پيش‌بيني يكي از مولفه‌هاي مهم و ضروري در برنامه‌ريزي‌هاي كوتاه‌مدت و ميان‌مدت در هر كسب ‌و‌كاري است. يك پيش‌بيني دقيق مي‌تواند در كسب بازده، مديريت جريان‌هاي نقدي و تخصيص منابع نقش موثري داشته باشد و به سرمايه‏گذار اين امكان را مي‌دهد كه در يك بازه زماني مشخص حدود درآمد كسب‌و‌كار و بازده خود را تخمين بزند. محققان در اين   انديشه اند كه روش هاي قديمي، هزينه بر و زمان بر را كنار گذاشته و روش هايي جديد همچون استفاده از ماشين هاي يادگير را پياده سازي نمايند. اين پژوهش از نظر نوع پژوهش،شيروان تحليلي-تجربي، از نظر طرح پژوهش، پس‏ رويدادادي، از نظر هدف، كاربردي، از نظر منطق اجرا، قياسي و از نظر زمان انجام، طولي و از نوع آينده نگر مي‏باشد. در اين پژوهش، از الگوي الگوريتم نزديك ترين همسايه، روش رافست و درخت تصميم گيري براي بهبود قدرت پيش بيني، كاهش هزينه و زمان پيش بيني بازده سهام استفاده شده است. بدين منظور نمونه اي متشكل از 113شركت موجود در بورس اوراق بهادار تهران در طي يك دوره 10 ساله ( 1394-1385) از شركت هاي پذيرفته شده در بورس اوراق بهادار تهران انتخاب شده است نتايج پژوهش نشان داد كه تمام فرضيه‏هاي اين پژوهش مبني بر وجود تفاوت در دقت تخمين اين مدل‌ها در پيش‌بيني سه متغير وابسته مي باشند.