مقايسه دقت مدل هاي منتخب يادگيري ماشين جهت پيش بيني قيمت سهام در بورس اوراق بهادار

رشد بازار سرمايه با سرعت چشمگيري در حال افزايش است. همين امر باعث تقاضاي بالاتر براي اطلاعات، تلاش بيشتر براي پيش بيني و ابداع مدل هاي جديد پيش بيني آينده بازار شده است. مدلهاي پيش بيني در سه دسته قابل طبقه بندي هستند. دسته اول از تحليل تكنيكي، دسته دوم از تحليل بنيادين و دسته سوم از داده‌كاوي و يادگيري ماشين استفاده مي كنند. در پژوهش پيش رو با تمركز بر روش داده كاوي به مقايسه دقت مدل هاي منتخب يادگيري ماشين شامل شبكه عصبي، رگرسيون لجستيك، نزديك ترين همسايه k، ماشين بردار پشيبان و اعتبارسنجي ضربدري جهت پيش بيني قيمت سهام براي 12 شركت منتخب بورس اوراق بهادار تهران كه از طريق روش حذف سيستماتيك انتخاب شده اند در قالب مدلهاي يادگيري ماشين پرداخته و نتايج اين مقاله نشان داد از بين الگوريتمهاي يادگيري ماشين، الگوريتم ماشين بردار پشتيبان بيشترين قدرت پيش بيني كنندگي در قيمت سهام را به خود اختصاص داده است.