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
  • محل انتشار: فصلنامه پژوهش های حسابداری مالی، دوره: 9، شماره: 1
  • کد COI اختصاصی: JR_FAR-9-1_004
  • زبان مقاله: فارسی
  • تعداد مشاهده: 247
دانلود فایل این مقاله

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

چکیده

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

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.