بررسی دقت ماشین‌های یادگیر در پیش‌بینی بازده حاصل از تغییر قیمت سهام با استفاده از مدل رافست، نزدیک‌ترین همسایه و درخت تصمیم‌گیری.

پیش‌بینی یکی از مولفه‌های مهم و ضروری در برنامه‌ریزی‌های کوتاه‌مدت و میان‌مدت در هر کسب ‌و‌کاری است. یک پیش‌بینی دقیق می‌تواند در کسب بازده، مدیریت جریان‌های نقدی و تخصیص منابع نقش موثری داشته باشد و به سرمایه‏گذار این امکان را می‌دهد که در یک بازه زمانی مشخص حدود درآمد کسب‌و‌کار و بازده خود را تخمین بزند. محققان در این   اندیشه­ اند که روش ­های قدیمی، هزینه­ بر و زمان­ بر را کنار گذاشته و روش­هایی جدید همچون استفاده از ماشین ­های­ یادگیر را پیاده­ سازی نمایند. این پژوهش از نظر نوع پژوهش،       تحلیلی-تجربی، از نظر طرح پژوهش،  پس‏ رویدادادی، از نظر هدف، کاربردی، از نظر منطق اجرا، قیاسی و از نظر زمان انجام، طولی و از نوع آینده­ نگر می‏باشد. در این پژوهش، از الگوی الگوریتم نزدیک­ترین همسایه، روش رافست و درخت تصمیم­گیری برای بهبود قدرت پیش­ بینی، کاهش هزینه و زمان پیش­ بینی بازده سهام استفاده شده است. بدین منظور نمونه­ ای متشکل از 113شرکت موجود در بورس اوراق بهادار تهران در طی یک دوره 10 ساله ( 1394- 1385) از شرکت­های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شده است نتایج پژوهش نشان داد که تمام فرضیه‏های این پژوهش مبنی بر وجود تفاوت در دقت تخمین این مدل‌ها در پیش‌بینی سه متغیر وابسته می­باشند.