مقایسه توانایی الگوریتم های یادگیری ماشین آدابوست و طبقه بندی احتمالی بیزین در پیش بینی بیش اطمینانی مدیران شرکت های بازار سرمایه ایران

بیش‎اطمینانی که یکی از ویژگی های شخصیتی افراد می باشد، که ممکن است بر تصمیم گیری های مدیران شرکت ها تاثیر داشته باشد، مدیریت با رفتار غیرمنطقی می تواند بر عملکرد شرکت در بلند مدت تاثیرگذار باشد. هدف اصلی از پژوهش کاربردی حاضر «مقایسه توانایی الگوریتم های یادگیری ماشین آدابوست و طبقه بندی احتمالی بیزین در پیش بینی بیش اطمینانی مدیران شرکت های بازار سرمایه ایران طی سال های 1387 تا 1395» می باشد که در این راستا الگوریتم هوش مصنوعی آدابوست و احتمالی بیزین به منظور ارائه مدل جهت پیش بینی بیش اطمینانی مدیریت در شرکت های پذیرفته شده بورس اوراق بهادار تهران، برای سال جاری و یک سال آتی اعتبار سنجی شدند. درمجموع، تعداد 34 صنعت مختلف به عنوان نمونه آماری انتخاب شد (اطلاعات مالی تعداد 3145 شرکت-سال در مجموع). روش گردآوری اطلاعات در بخش مبانی نظری از روش کتابخانه ای و برای انجام محاسبات و طبقه بندی آماری داده های مالی، از نرم افزارهای Excel و برای آزمون فرضیه های پژوهش از نرم افزار matlab 2017 استفاده شده است. یافته های پژوهش نشان می دهد که، مدل های غیرخطی پیش بینی الگوریتم آدابوست و الگوریتم احتمالی بیزین به دست آمده، هر دو توانایی پیش بینی بیش اطمینانی مدیریت برای سال جاری و یک سال بعد را دارند؛ اما مدل پیش بینی آدابوست در مقایسه با مدل پیش بینی بیزین نتایج بهتری را برای پیش بینی اعتماد به نفس کاذب مدیریت دارد که نشان دهنده قدرت بیشتر در یادگیری و کارآیی بهتر این مدل به منظور پیش بینی بیش اطمینانی مدیریت می باشد.