ارائه مدل هوشمند مبتنی بر قابلیت اطمینان برای پیش بینی های مالی

هدف: منطق عملکردی مد لهای طبقه بندی کننده براساس این واقعیت ساخته شده که بر ای به حداکثر رساندن توانایی تعمیم که عاملاصلی تاثیرگذار بر کیفیت تصمیمات اتخاذ شده در مسائل دنیای واقعی است از اصل به حداقل رساندن نرخ خطای طبقه بندی داده هایتاریخی موجود استفاده می شود. به عبارت دیگر، دقت به عنوان تنها عامل موثر بر تعمیم پذیری روش های طبقه بندی در نظر گرفته می شود.از سوی دیگر، با توجه به نوسانات متغیرهای مالی، پیش بینی های پایدار و قابل اعتماد نیز برای تصمیم گیری صحیح لازم است. با این حالعلارغم تاثیر عامل قابلیت اطمینان در ایجاد نتایج پایدار و قابل اعتماد، در ادبیات موضوع مدل سازی و طبقه بندی نادیده گرفته شده است.بر همین اساس، یک روش مدلسازی مبتنی بر حداکثر کردن قابلیت اطمینان برای پر کردن شکاف تحقیقاتی و بهبود فرآیندهایتصمیم گیری در کاربردهای مالی ارائه می شود .روش: در این مقاله، یک مدل پرسپترون چندلایه با هدف به حداکثر رساندن قابلیت اطمینان به جای بیشینه نمودن دقت توسعه می یابد.به منظور ارزیابی عملکرد مدل پیشنهادی، پنج مجموعه داده مختلف در زمینه مالی از پایگاه داده یوسیای انتخاب میگردد و نرخ خطایطبقه بندی آن با مدل پرسپترون چندلایه معمول مقایسه می شود .یافته ها: نتایج بیانگر تاثیر بیشتر عامل قابلیت اطمینان نسبت به عامل دقت بر تعمیم پذیری و عملکرد مدل های پیش بینی و طبقه بندی می باشد.نتیجه گیری: نتایج حاکی از آن است که مدل پرسپترون چندلایه مبتنی بر قابلیت اطمینان پیشنهادی در مقایسه با پرسپترون چندلایهکلاسیک از کارایی و عملکرد بالاتری برخوردار است و میتواند به عنوان جایگزین مناسبی برای مدل پرسپترون چندلایه معمول درکاربردهای مالی استفاده شود.

کلیدواژه ها:

پرسپترون چندلایه ، طبقه بندی ، تصمیم گیری مالی ، قابلیت تعمیم ، متدولوژی دقت محور ، متدولوژی قابلیت اطمینان محور