مقايسه‌ي دقت مدل‌هاي آماري و يادگيري ماشين براي پيش‌بيني نگهداشت وجه نقد و ارائه مدل بهينه

پژوهش حاضر، مقايسه دقت مدل‌هاي يادگيري ماشين و آماري در پيش‌بيني نگهداشت وجه نقد را با استفاده از مجموعه متغير‌هاي مالي و اقتصادي مورد بررسي قرار داده است. روش‌شناسي پژوهش را مي‌توان به سه مرحله گزينش مجموعه داده و متغيرها، مدل‌سازي و قياس تقسيم‌بندي كرد. نمونه‌آماري پژوهش حاضر بورس اوراق بهادار تهران است كه داده‌هاي 173 شركت‌ در طي بازه زماني 1400-1389 مورد بررسي قرارگرفته است. نتايج حاكي از دقت بالاي مدل رگرسيون نمادين با استفاده از الگوريتم ژنتيك با ضريب دقت 71 درصد در اين زمينه است. بعدازآن به ترتيب مدل‌هاي تقويت گراديان درختي، رگرسيون مارس، شبكه عصبي و تقويت گراديان فوق‌العاده به‌عنوان دقيق‌ترين مدل‌ها جهت پيش‌بيني ارزيابي شدند. درنهايت مدل K نزديك‌ترين همسايه ضعيف‌ترين دقت پيش‌بيني را از خود نشان داد. همچنين اگرچه مدل‌هاي آماري دقت پيش‌بيني پاييني را نشان دادند اما بااين‌حال از برخي مدل‌هاي يادگيري ماشين ضريب دقت بالاتري را كسب كردند. همچنين نتايج نشان داد استفاده از رگرسيون لاسو موجب بهبود دقت مدل‌هاي آماري و برخي از مدل‌هاي يادگيري ماشين مي‌گردد. اين پژوهش مي‌تواند زواياي جديدي از تكنيك‌هاي پيش‌بيني نگهداشت وجه نقد را در مطالعات مالي بيفزايد كه تاكنون در ادبيات مالي مورد بررسي قرار نگرفته است.