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 روش هایی جدید همچون استفاده از ماشین های یادگیر را پیاده سازی نمایند. این پژوهش از نظر نوع پژوهش،شیروان 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 نزدیک ترین همسایه، روش رافست و درخت تصمیم گیری 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 شرکت های 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 می باشند.