طراحی مدل ارزش گذاری سهام بر مبنای نماگرهای بازار سرمایه با بهره گیری از روش های داده کاوی
محل انتشار: مجله سیاست گذاری اقتصادی، دوره: 17، شماره: 34
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 50
فایل این مقاله در 31 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EPYA-17-34_003
تاریخ نمایه سازی: 8 شهریور 1404
چکیده مقاله:
هدف مطالعه طراحی مدل ارزش گذاری سهام بر مبنای نماگرهای بازار سرمایه با بهره گیری از روش داده کاوی است. در این مقاله به منظور بررسی تاثیر نماگرهای بازار سرمایه بر ارزش سهام از مدلسازی معادلات ساختاری بهره برده شد. در راستای تجزیه و تحلیل نتایج از اطلاعات آماری گردآوری شده در سال ۱۴۰۱ استفاده گردید. نتایج بدست آمده از این مطالعه نشان می دهد که نماگرهای بازار سرمایه تاثیر معناداری بر ارزش سهام دارند و ۷/۵۲ % از ارزش سهام توسط نوسانات نماگرهای بازار سرمایه توضیح داده شده است. به منظور پاسخ به سوال پژوهش ابتدا به مقایسه دقت ۳۲ مدل یادگیری ماشین به منظور پیش بینی ارزش سهام پرداخته شد و نتایج نشان می دهد که مدل C۵ دارای دقت پیش بینی بالاتری نسبت به سایر مدل های یادگیری ماشین دارد. در ادامه و به منظور افزایش دقت و کاهش خطای مدل C۵ از تکنیک های اعتبارسنجی بوستینگ و انتخاب ویژگی استفاده شد و نتایج بیانگر آن بود که مدل برتر (C۵) دارای افزایش قابل ملاحظه ای در دقت و کاهش محسوسی در خطا شده است. همچنین مدلسازی به تفکیک برای نماگرهای بازار سرمایه انجام گرفت و نتایج نشان می دهد که نماگرهای نقدی نسبت به سایر نماگرها دارای دقت بالاتری به منظور پیش بینی ارزش سهام داشته است.
کلیدواژه ها:
نویسندگان
حسین اشرفی سلطان احمدی
دانشجوی دکترا، رشته حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، ارومیه، ایران
سعید جبارزاده
دانشیار گروه حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، ارومیه، ایران
جمال بحری ثالث
دانشیار گروه حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، ارومیه، ایران.
علی آشتاب
استادیار گروه حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، ارومیه، 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 :