در این پژوهش میزان صحت پیش‌بینی شبکه عصبی با چهار مدل بررسی شد که در اینجا به بحث در مورد سؤال اول که از دو گروه اطلاعات فنی و بنیادی و در سؤال دوم از گروه اطلاعات فنی استفاده‌شده است، می‌پردازیم که میانگین نتایج اطلاعات دو سؤال برای ده شرکت شیمیایی نمونه به شرح زیر است:

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 ارائه‌ی 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: