مقايسه دقت الگوريتم‌هاي يادگيري آماري در پيش‌بيني جهت حركت قيمت سهام شركت ‌بيمه سامان به‌عنوان يك شركت بيمه بورسي

پيشينه و اهداف: يكي از معيارهاي تصميم‌گيري براي سرمايه‌گذاري در يك شركت بورسي، ميزان يا تغييرات قيمت سهام آن شركت در روزها و ماه‌هاي آتي است. روش‌هاي متعددي براي پيش‌بيني قيمت سهام و ريسك سرمايه‌گذاري در يك شركت، مورد‌ مطالعه قرار گرفته است. در اكثر اين روش‌ها، قيمت سهام به‌عنوان يك متغير پاسخ پيوسته پيش‌بيني شده‌ است. براي اين منظور، از مدل‌هاي سري زماني استفاده مي‌شود كه در آنها پذيره‌هايي ازجمله نرمال‌بودن اغتشاش‌ها و يا خطي‌بودن مدل اهميت دارد. هدف از اين پژوهش، معرفي يك متغير پاسخ دو‌رده‌اي براساس جهت حركت قيمت سهم در روز آتي و معرفي چند روش رده‌بندي آماري براي پيش‌بيني آن است. اين مدل‌ها، محدوديت‌هاي مدل‌هاي گذشته را ندارند و به همين دليل مورد ‌توجه هستند. پياده‌سازي روش‌هاي مورد‌ مطالعه و مقايسه دقت آنها در پيش‌بيني جهت حركت قيمت سهام شركت‌هاي بيمه بورسي هدف اصلي اين مقاله است. روش‌شناسي: در پژوهش حاضر با استفاده از الگوريتم‌هاي K-نزديك‌ترين همسايه‌ها، درخت تصميم و جنگل تصادفي كه در زمره روش‌هاي ناپارامتري رده‌بندي يادگيري آماري مي‌باشند، به پيش‌بيني جهت حركت قيمت سهام پرداخته‌ايم. داده‌هاي مورد ‌استفاده در اين تحقيق شامل اطلاعات قيمت سهام يكي از شركت هاي بيمه در طي سال‌هاي 1390 تا 1400 است كه سهم مناسب و بالايي در پرتفوي صنعت بيمه دارد. براي تعيين دقت مدل‌هاي مورد ‌مطالعه، داده‌ها به‌صورت تصادفي به دو دسته آموزشي و آزمايشي تقسيم شدند. سپس مدل‌هاي يادگيري آماري روي داده‌هاي آموزشي اجرا و اعتبار آنها با استفاده از داده‌هاي آزمايشي سنجيده شد. يافته‌ها: نتايج تحقيق حاكي از دقت بالاي هر سه مدل ناپارامتري در پيش‌بيني رده قيمت سهام شركت بيمه مورد‌نظر است. همچنين در بين مدل‌هاي مورد‌مطالعه، الگوريتم K- نزديك ترين همسايه‌ها نسبت به ساير الگوريتم‌ها در پيش‌بيني جهت حركت قيمت سهام عملكرد بهتري از خود نشان داد. نتيجه‌گيري: با توجه به اهميت ريسك سرمايه‌گذاري در يك شركت بيمه براي مشتريان، يافتن مدل مناسب براي رده‌بندي قيمت سهام و مشخص‌نمودن متغيرهاي مؤثر در افزايش يا كاهش قيمت، مي تواند به مشتريان و شركت‌هاي بيمه در تصميم گيري بهتر كمك كند.