ارزیابی مقایسه ای اثربخشی تکنیک های داده کاوی در پیش بینی ریسک و بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 246
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FAR-9-1_004
تاریخ نمایه سازی: 26 اردیبهشت 1400
چکیده مقاله:
ریسک و بازده سهام همواره از مهمترین عوامل در اتخاذ تصمیمات مالی سرمایهگذاران بوده است. از این رو پیشبینی آنها برای سرمایهگذاران و سایر فعالان بازار سرمایه حائز اهمیت بسیار است. هدف پژوهش حاضر به کارگیری تکنیکهای دادهکاوی در پیشبینی بازده و ریسک سیستماتیک سهام در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. در این پژوهش با استفاده از چهار الگوریتم تحلیل جداساز خطی، الگوریتم تحلیل جداساز غیرخطی، الگوریتم نزدیکترین K همسایگی و درخت تصمیم و به کمک ۱۶ متغیر مستقل به پیشبینی بازده و ریسک سیستماتیک سهام پرداخته میشود. چهار الگوریتم مذکور یک بار با استفاده از کل متغیرهای مستقل و بار دیگر با استفاده از ۴ متغیر مستقل که با استفاده از رویکرد فیلترینگ به عنوان موثرترین متغیرها در پیشبینی بازده و ریسک شناخته شدهاند، اجرا می شود. سپس صحت پیشبینی چهار الگوریتم در دو حالت (مجموعا ۸ پیشبینی برای بازده و ۸ پیشبینی برای ریسک) مقایسه و بهترین الگوریتم انتخاب میگردد. بدین منظور دادههای ۱۰۷ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای ۱۳۸۰ تا ۱۳۹۲ مورد استفاده قرار گرفته است. نتایج حاصل شده حاکی از این است که در حالت به کارگیری ۱۶ متغیر مستقل الگوریتم تحلیل جداساز خطی بهترین پیشبینی بازده و الگوریتم تحلیل جداساز غیرخطی بهترین پیشبینی ریسک سیستماتیک را به دست میدهد. لیکن در حالت استفاده از متغیرهای مستقل منتخب الگوریتم تحلیل جداساز غیرخطی بهترین پیشبینی بازده و الگوریتم تحلیل جداساز خطی بهترین پیشبینی ریسک سیستماتیک را ارائه میدهد. به طور کلی استفاده از متغیرهای مستقل منتخب (به جای استفاده از کل متغیرهای مستقل) توان الگوریتمها در پیشبینی بازده و ریسک سیستماتیک را بهبود میبخشد.
کلیدواژه ها:
بازده ، ریسک سیستماتیک ، دادهکاوی ، تحلیل جداساز خطی ، تحلیل جداساز غیرخطی ، نزدیکترین K همسایگی ، درخت تصمیم طبقهبندی کننده
نویسندگان
افسانه سروش یار
استادیار گروه حسابداری، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران
محمد اخلاقی
کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد نجف آباد، اصفهان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :