پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 916 |
| تعداد مقالات | 7,521 |
| تعداد مشاهده مقاله | 12,228,146 |
| تعداد دریافت فایل اصل مقاله | 8,648,918 |
قیاس رویکردی الگوریتم های یادگیری ماشین در پیش بینی هزینه های نگهداشت راهبردهای معاملاتی | ||
| راهبرد مدیریت مالی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 20 شهریور 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22051/jfm.2024.46462.2902 | ||
| نویسندگان | ||
| علی لعل بار* 1؛ امیرحسین پناهی فرد2؛ مجید داودی نصر3؛ سپیده میرزایی4 | ||
| 1استادیار گروه حسابداری، دانشگاه آزاد اسلامی، اراک، ایران (نویسنده مسئول) | ||
| 2کارشناسی ارشد حسابداری دانشگاه آزاد اسلامی واحد اراک | ||
| 3استادیار گروه حسابداری، دانشگاه آزاد اسلامی، اراک، ایران | ||
| 4دانشجوی دکتری، مهندسی مالی ، دانشگاه آزاد اسلامی، اراک، ایران | ||
| چکیده | ||
| هدف این پژوهش قیاس رویکردی الگوریتم های یادگیری ماشین در پیشبینی هزینه‌های نگهداشت راهبردهای معاملاتی بوده است. پژوهش حاضر، از نظر هدف کاربردی و بر اساس نحوه جمع‌آوری داده‌ها جزء روش پژوهش های غیرآزمایشی می‌باشد و روابط میان متغیرها را بررسی و متغیرها را توصیف می‌کند و در نهایت به ارائه مدل می پردازد که با روش استقرایی به کل جامعه آماری قابل تعمیم خواهد بود؛ در این پژوهش برای جمع‌آوری داده‌ها و اطلاعات، از روش کتابخانه‌ای استفاده شد و از طریق جمع‌آوری داده‌های شرکت‌های نمونه با مراجعه به صورت‌های مالی، یادداشت های توضیحی و ماهنامه بورس اوراق‌بهادار انجام پذیرفت. بر اساس روش حذف سیستماتیک تعداد 150 شرکت به عنوان نمونه آماری انتخاب گردید؛ به منظور توصیف و تلخیص داده‌های جمع‌آوری شده، از آمار توصیفی و استنباطی بهره گرفته شده است. به منظور تحلیل داده‌ها از روش های غیر خطی درخت تصمیم گیری و شبکه‌های عصبی و برای تایید و رد فرضیه‌های پژوهش از نرم افزارهای2016 Excel، weka9 و Matlab2019 استفاده گردیده است. نتایج نشان داد الگوریتم های یادگیری ماشین نظیر الگوریتم درخت تصمیم گیری و شبکه‌های عصبی توانایی بالایی جهت پیشبینی هزینه های نگهداشت راهبردهای معاملاتی دارند؛ به علاوه توانایی الگوریتم‌های مذکور یعنی الگوریتم درخت تصمیم‌گیری و شبکه‌های عصبی مصنوعی جهت پیشبینی هزینه‌های نگهداشت راهبردهای معاملاتی از لحاظ آماری یکسان می‌باشد و تفاوت معناداری بین آنها یافت نگردید. | ||
| کلیدواژه‌ها | ||
| هزینه‌های نگهداشت راهبردهای معاملاتی؛ الگوریتم های یادگیری ماشین؛ الگوریتم درخت تصمیم گیری | ||
| عنوان مقاله [English] | ||
| Comparing the approach of machine learning algorithms in predicting the maintenance costs of trading strategies | ||
| نویسندگان [English] | ||
| Ali Lalbar1؛ Amirhossein Panahifard2؛ majid Davoudinasr3؛ Sepideh Mirzaei4 | ||
| 1Assistant Professor, Department of Accounting, Islamic Azad University, Arak, Iran (corresponding author) | ||
| 2Master of Accounting, Islamic Azad University | ||
| 3Assistant Professor of Accounting Department, Islamic Azad University, Arak | ||
| 4PhD student, financial engineering, Islamic Azad University, Arak, Iran | ||
| چکیده [English] | ||
| The purpose of this research was to compare the approach of machine learning algorithms in predicting the maintenance costs of trading strategies. The current research, in terms of its practical purpose and based on the method of data collection, is part of the non-experimental research method and examines the relationships between the variables and describes the variables and finally presents a model that is based on the inductive method. It will be generalizable to the entire statistical population; In this research, the library method was used to collect data and information, and by collecting data of sample companies by referring to financial statements, explanatory notes and the stock exchange monthly. accepted Based on the systematic elimination method, 150 companies were selected as a statistical sample; In order to describe and summarize the collected data, descriptive and inferential statistics have been used. In order to analyze the data, non-linear methods of decision trees and neural networks were used, and Excel 2016, Weka9 and Matlab 2019 software were used to confirm and reject the research hypotheses. The results showed that machine learning algorithms such as decision tree algorithm and neural networks have a high ability to predict the maintenance costs of trading strategies; In addition, the ability of the aforementioned algorithms, i.e. decision tree algorithm and artificial neural networks to predict the maintenance costs of trading strategies are statistically the same and no significant difference was found between them. | ||
| کلیدواژه‌ها [English] | ||
| maintenance costs of trading strategies, machine learning algorithms, decision tree algorithm | ||
|
آمار تعداد مشاهده مقاله: 60 |
||