جدول ۵-۱ مقایسه نتایج سؤال اول و دوم
با توجه به معیارهای ضریب تعیین، میانگین قدر مطلق درصد خطا، مدل‌های موردبررسی در این پژوهش با یکدیگر مقایسه گردیده است که نتیجه به شرح ذیل می‌باشد:
معیار ضریب تعیین () نشان‌دهنده این است که برای مدل اول دقت نسبتا بالاتری به سؤال دوم دارد. بر این اساس می‌توان گفت مدل سؤال اول نسبت به و سؤال دوم برتری دارند.

معیار میانگین قدر مطلق درصد خطا (MAPE) مقدار این معیار برای شبکه عصبی مدل اول کمتر از مقدار سؤال دوم است، یافته‌های این معیار با معیارهای قبلی برابر است.
برای ارائه‌ یک مدل شبکه‌ی عصبی برای قیمت سهام، ابتدا ضرورت استفاده از نرمال‌سازی استاندارد برای بهبود عملکرد مدل موردبررسی قرار گرفت. سپس از میان الگوریتم‌های مختلف آموزشی، الگوریتم پس انتشار خطا انتخاب شد. در بررسی توابع انتقال، تأثیر توابع مختلف بر روی عملکرد شبکه بررسی گردید که بهترین نتایج مربوط به تابع انتقال سیگموئیدی می‌باشد. در بررسی تأثیر معماری شبکه بر عملکرد شبکه در مجموعه‌ی آموزش، مشخص شد که استفاده از لایه‌های مخفی بیشتر لزوماً منجر به بهبود عملکرد شبکه نمی‌شود. نتایج به‌دست‌آمده از رویکرد هیبرید که ترکیبی از متغیرهای از تجزیه‌وتحلیل فنی و تجزیه‌وتحلیل بنیادی در مقایسه با رویکرد فنی نشان داد که پیش‌بینی قیمت سهام در روزهای آینده با روش هیبرید پیش‌بینی دقیق‌تری را برای قیمت سهام در مقایسه با رویکرد مبتنی بر تجزیه‌وتحلیل فنی دارد؛ بنابراین، رویکرد ترکیبی پتانسیل افزایش کیفیت تصمیم‌گیری سرمایه‌گذاران در پیش‌بینی قیمت سهام در بازار سهام شرکت‌های شیمیایی را دارد. یافته­های حاصل از سؤال اول و دوم با نتایج تحقیق ایودل و همکاران ۲۰۱۲ همخوانی دارد. آن‌ها نیز در تحقیق خود به این نتیجه رسیدند که رویکرد ترکیبی دقت بالاتری نسبت به مدل رویکرد فنی دارد. از این آزمایش ما نتیجه می‌گیریم که با داده ورودی بیشتر ما آموزش بهتری را خواهیم داشت و نتایج بهتری را به دست می‌آوریم و خطای پیش‌بینی مینیمم می‌شود.
۵-۳-۲٫ مقایسه مدل سؤال سوم و سؤال چهارم
با توجه به مدل­سازی­هایی که در فصل چهارم انجام دادیم، برای بهبود شبکه عصبی برای مقایسه روش‌های مختلف پیش‌بینی شاخص قیمت سهام و معرفی بهترین مدل، خطای پیش‌بینی مدل سوم و مدل شبکه عصبی مبتنی بر کلونی زنبورعسل را با یکدیگر مقایسه شده است. ارزیابی خطا از راه‌های متعددی امکان‌پذیر است؛ اما معمولاً توابعی از خطا را برای مقایسه توانایی مدل‌ها در پیش‌بینی محاسبه می‌نمایند. معیارهای رایج برای ارزیابی خطای پیش‌بینی که در این پژوهش محاسبه‌شده است که به شرح زیر است:

مدل سؤال چهارم

مدل سؤال سوم

معیار دقت برازش

۰٫۹۹۷۴

۰٫۹۹۶۷

R2

۰٫۰۴۵۱

۰٫۰۵۲

MAPE

جدول ۵-۲ مقایسه مدل سوم و چهارم
با توجه به معیارهای ضریب تعیین، میانگین قدر مطلق درصد خطا، مدل‌های موردبررسی در این پژوهش با یکدیگر مقایسه گردیده است که به شرح ذیل می‌باشد:
معیار ضریب تعیین () نشان‌دهنده این است که برای مدل چهارم دقت بالاتری نسبت به سؤال سوم دارد بر این اساس می‌توان گفت دقت پیش‌بینی کمتری دارد. درنتیجه مدل شبکه عصبی مبتنی بر کلونی زنبورعسل سؤال چهارم نسبت به و سؤال سوم برتری دارند.
معیار میانگین قدر مطلق درصد خطا (MAPE) مقدار این معیار برای شبکه عصبی مدل چهارم کمتر از مقدار سؤال سوم است، یافته‌های این معیار با معیارهای قبلی برابر است.
روش اصلی به‌کاررفته در این تحقیق، مدل شبکه عصبی مصنوعی با رویکرد ترکیبی که عملکرد دقت آن با روش شبکه عصبی مبتنی بر کلونی زنبورعسل برای داده‌های استفاده‌شده در این پژوهش مقایسه گردیده است. نتایج حاصل دلالت بر بهتر بودن روش شبکه عصبی مبتنی بر کلونی زنبورعسل نسبت به سه روش دیگر داشت. همچنین استفاده از کلونی زنبورعسل به‌عنوان یک روش انتخاب ویژگی پوشش‌دهنده و تعدیل وزن­ها واسپایس­های نقش مهمی در افزایش دقت و سرعت در اجرای تکنیک پیش‌بینی، حذف داده‌های غیر مرتبط و افزایش قابلیت فهم‌پذیری ایفا نمود و همچنین در مقایسه با عملکرد روش شبکه عصبی با دادهای ترکیبی کلونی زنبورعسل به‌عنوان یک روش پوشش‌دهنده در ترکیب با شبکه عصبی دقت پیش‌بینی بالاتری از خود نشان داد. با توجه به آنکه داده‌های به‌کاررفته در این پژوهش منحصربه‌فرد بوده و در تحقیقات دیگر از این داده‌ها استفاده نگردیده، به‌صورت دقیق نمی‌توان مقایسه‌ای بین دقت پیش‌بینی حاصل از به‌کارگیری رویکردهای این پژوهش با سایر پژوهش‌ها انجام داد. ولی اشاره به این نکته ضروری بوده که استفاده از کلونی زنبورعسل به‌عنوان یک روش انتخاب ویژگی پوشش‌دهنده و ترکیب آن با شبکه عصبی درزمینهٔ پیش‌بینی قیمت سهام برای شرکت‌های شیمیایی برای نخستین بار در این پژوهش مطرح گردیده است؛ و نتایج این تحقیق به‌خوبی نشان از برتری این رویکرد نسبت به رویکرد شبکه عصبی می‌باشد. نتایج مدل ترکیبی با پژوهش‌های اران اگرول و اختر موحیدین وان ساستری (۲۰۱۴)، هداوندی (۲۰۱۰)، حسن و همکاران ۲۰۰۷، شاهعلی زاده (۱۳۹۳)، صدرپیشه و خسروی نژاد (۱۳۹۳)، کریمی و دارابی (۱۳۹۳)، زمانی (۱۳۹۲)، خاشعی و بیجاری (۱۳۹۰)، کردلویی و زارعی (۱۳۸۹)، منجمی و همکاران (۱۳۸۸) مبنی بر موفقیت مدل‌های ترکیبی مبتنی بر هوش مصنوعی مطابقت دارد.
۵-۴٫ پیشنهادهای تحقیق
توسعـه­ی علـمی در پرتو پژوهش­های منسجمی است که به‌صورت علـمی و هـدفمند انجام می­ شود. با افزایش حیطه­ی پژوهش­ها و بهبود روش­های پژوهش در علوم، این امید وجود دارد که هرچه بهتـر و بیشتر توسعه علوم مختلف شکل گیرد و راحتی و آسایش بیشتری عاید جوامـع بشری شود. در این پژوهش مدل­های قیمت پیش‌بینی‌شده توسط شبکه عصبی مصنوعی، با یکدیگر و با مدل شبکه عصبی مبتنی بر کلونی زنبورعسل مقایسه شد. همچنین از شبکه عصبی مبتنی بر کلونی زنبورعسل حل مدل­ها بهره گرفته شد. در طی انجام پژوهش، با بررسی منابع اطلاعاتی در ارتباط با موضوع پژوهش و با توجه به نتایج و دستاوردهای پژوهش حاضر پیشنهادهایی موردتوجه قرارگرفته که به دودسته تقسیم می­شوند. دسته­ی اول، پیشنهادهایی کاربردی در ارتباط با موضوع پژوهش­های و دسته­ی، پیشنهاد‌هایی در مورد تحقیقات آتی می­باشد. لذا جهت بررسی نتایج این تحقیق و بهبود کارایی آن پیشنهاد می­ شود:
۵-۴-۱٫ پیشنهادات کاربردی
با توجه به نتایج تحقیق، پیشنهاد می­گردد کسانی که قصد خرید سهام را دارند، ابتدا پتانسیل آتی هر سهم را با بهره گرفتن از شبکۀهای عصبی و کلونی زنبور عسل با بهره گرفتن از داده ­های این تحقیق پیش ­بینی نمایند و بعد اقدام به خرید سهامی نمایند که دقت پیش ­بینی بالاتری دارد.
۵-۴-۲٫ پیشنهادات تحقیقات آتی
از رویکرد عدم قطعیت و بررسی مدل­ها در شرایط عدم اطمینان همچون رویکرد و منطق فازی، منطق و سیستم اعداد خاکستری و همچنین فرآیندهای تصادفی در تحقیقات آتی استفاده شود.
با توجه به در اختیار بودن یا نبودن مدل­های ابتدایی و جواب­های اولیه از الگوریتم­های فرابتکاری مرتبط استفاده شود.
مدل­سازی پیش ­بینی قیمت سهام علاوه بر سه گروه مطرح‌شده در این پژوهش می‌توان با در نظر گرفتن سایر متغیرهای مؤثر بر پیش ­بینی قیمت سهام، همچون وضعیت متغیرهای سیاسی و اجتماعی همچون نرخ تورم یا رکود انجام گیرد.
مدل­های با توجه به کارایی بالای مدل‌های مبتنی بر هوش مصنوعی در مقایسه با مدل‌های کلاسیک در بازارهای مالی، این امکان وجود دارد که از مدل سری‌های زمانی و شبکه‌های عصبی مصنوعی و مدل ریاضی، از مدل‌های منطق فازی مانند فاریما نیز برای پیش‌بینی شاخص قیمت سهام در بورس اوراق بهادار استفاده نمود و با مقایسه توان آزمون‌ها، بهترین مدل را انتخاب کرد.
می‌توان با بهره گرفتن از مدل‌ترکیبی این پژوهش مسئله انتخاب سبد سهام بهینه که از قیمت پیش‌بینی‌شده توسط تکنیک­های هوشمند استفاده میکنند، بهره جست.
۵-۵٫ محدودیت­های پژوهش
یکی از مهم­ترین مشکلات هر محقق، دسترسی به اطلاعات اولیه و جمع‌ آوری آن­ها می­باشد تا بتواند بر اساس آن­ها فرضیه ­های تحقیق را مورد آزمایش قرار دهد. لذا، در صورت دقیق و کامل بودن اطلاعات به همان میزان نتایجی که از تحقیق حاصل می­ شود دقیق بوده و تعمیم نتایج آن به جامعه از قابلیت بیشتری برخوردار می­باشد. درنهایت می­توان گفت که چنین تحقیقی اعتبار و روایی مناسب خواهد داشت. بیان محدودیت­های تحقیق باعث جلوگیری از برداشت­های غلط و قضاوت­های نادرست می­ شود.