شناسایی دستکاری قیمت سهام در بازار سرمایه ایران با استفاده از الگوریتم های یادگیری ماشین

از با اهمیت­ترین پیش نیازهای گسترش و تعمیق بازار سرمایه به عنوان اصلی­ترین بازار اقتصادی کشور، اعتماد بازیگران این بازار به کارایی و درستی آن به عنوان مبنایی برای تعیین عادلانه و به دور از تقلب قیمت دارایی­ها است. از این رو، هدف از انجام این پژوهش شناسایی دستکاری قیمت سهام شرکت­های پذیرفته شده در بازار سرمایه ایران است و با توجه به توسعه تکنولوژی و الگوریتم­های معاملاتی پیچیده مبتنی بر هوش مصنوعی در معاملات سهام در بازارهای سرمایه، بهره­گیری از ابزارهای توسعه یافته مبتنی بر یادگیری ماشین به منظور شناسایی دستکاری قیمت­ها در بازار سرمایه توسط نهادهای نظارتی ضروری تلقی می­گردد. در این پژوهش با استفاده از روش­های آماری مانند تسلسل، چولگی، کشیدگی و آزمون تشخیص ناهنجاری متنی به منظور آماده سازی و برچسب گذاری داده­ها، از انواع روش­های یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی چندلایه و رگرسیون لجستیک برای شناسایی دستکاری سهام طی بازه زمانی نیمه دوم ۱۳۹۸ تا پایان ۱۴۰۲ پرداخته شده است. برای این کار از اطلاعات ۷۳ سهم از ۱۹ صنعت پذیرش شده در بورس اوراق بهادار استفاده شده است. تعداد کل روزهای معاملاتی حدود ۷۱،۳۰۰ بوده که از این بین در ۵۳۷ روز معاملاتی دستکاری رخ داده و در سایر روزها دستکاری اتفاق نیفتاده است. الگوریتم درخت تصمیم، از منظر توازن بین شاخص دقت، بازخوانی و شاخص  F۲نسبت به سایر روش­ها عملکرد بهتری داشت. این نتیجه بیان می کند که یکی از موثرین راه ها برای شناسایی دستکاری قیمت استفاده از قواعد از قبل تعیین شده ای است که به وسیله مدل های درخت تصمیم استخراج شده و قابلیت به روزرسانی در فواصل زمانی مختلف را دارد. بر اساس نتایج به دست آمده متغیر حجم در همان روز دستکاری و متغیر حجم در یک روز معاملاتی قبل از دستکاری بیشترین اهمیت را در شناسایی دستکاری سهام دارند.

کلیدواژه ها:

Capital Market ، Stock Price Manipulation ، Artificial Intelligence ، Data Labeling ، Decision Tree. ، بازار سرمایه ، دستکاری قیمت سهام ، برچسب گذاری داده ، درخت تصمیم.