ارائه مدلی برای پیش بینی هدف گیری سهام توسط معاملات بلوکی
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 292
فایل این مقاله در 17 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-10-3_005
تاریخ نمایه سازی: 26 اردیبهشت 1400
چکیده مقاله:
هدف این پژوهش ارائه مدلی برای پیش بینی هدف گیری سهام توسط معاملات بلوکی با استفاده از رگرسیون لجستیک می باشد. در این پژوهش ویژگی هایی مورد بررسی قرار می گیرد که در ارتباط با احتمال تبدیل شرکت ها به هدف معاملات بلوکی سهام هستند. برای این منظور داده-های مربوط به ۱۱۷ شرکت عضو بورس اوراق بهادار تهران که هدف معاملات بلوکی با حجم معامله بالای ۵ درصد قرار گرفته بودند و۱۱۷ شرکت که هدف معاملات قرار نگرفته بودند، در دوره زمانی ۱۳۸۸-۱۳۹۶ انتخاب و با استفاده از روش لاجیت و پروبیت مورد بررسی قرار گرفتند. نتایج نشان داد اهرم مالی به صورت منفی بر فراوانی بلوک تجاری شدن شرکت ها تاثیر می گذارند. همچنین شرکت هایی که از جریان مالی آزاد و بالایی برخوردارند، دارای سهم بازار بالاتر، پراکندگی مالکیت بیشتر و نهادهای دولتی جزء سهام داران عمده آنها می باشند، احتمالا به بلوک های تجاری تبدیل می شوند. در این پژوهش همچنین به مقایسه ای بین مدل ایجاد شده با رگرسیون لجستیک با سایر تکنیک های پیش بینی معروف، شبکه عصبی مصنوعی و شبکه های عصبی فازی گزارش شدند. نتایج نشان می دهند که رویکرد شبکه عصبی فازی در پیش بینی هدف گیری سهام در مقایسه با سایر تکنیک ها از دقت بالاتری برخوردار است.
کلیدواژه ها:
نویسندگان
محمدرضا مهربان پور
گروه حسابداری و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران، قم، ایران
رضا تهرانی
دانشکده مدیریت دانشگاه تهران
حمید جمشیدی
دکتری مدیریت مالی، دانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران
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 :