ارزیابی مقایسه ای اثربخشی تکنیک های داده کاوی در پیش بینی ریسک و بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران

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