نمایش دانش سرمایه گذاری برحسب بازده در بازار سهام ایران با بهره گیری از مدل های عصبی عمیق در شرایط نااطمینانی محیطی
محل انتشار: فصلنامه تحقیقات مالی، دوره: 27، شماره: 3
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 178
فایل این مقاله در 35 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_JFR-27-3_001
تاریخ نمایه سازی: 13 مهر 1404
چکیده مقاله:
هدف: شناخت رفتار بازار سرمایه و سوی گیری های آن ها، پیش زمینه ای برای تحلیل رفتار بازده در زمان وقوع رخدادهای حاکم بر جامعه است. مسائل سیاسی، اقتصادی و اجتماعی روز دنیا، به راحتی می توانند پارامترهای چرخه اقتصاد را تحت تاثیر قرار دهند. بازار سهام نیز به عنوان بخش مهمی از اقتصاد، از این امر مستثنا نخواهد بود. دقت زیاد پیش بینی و شناخت نوسان ها، اطمینان سرمایه گذار را افزایش می دهد و به تصمیم گیری های صحیح و به موقع برای مدیریت دارایی منجر خواهد شد. شناخت کارآمدترین ابزار برای پیش بینی بازده نیز، لازمه تحلیل رفتار این بازار است. هدف پژوهش حاضر، خوشه بندی شرکت های موجود در بازار بورس، برحسب میزان تاثیرپذیری آن ها از پیشامدهای دوره تحریم با استفاده از روش برتر هوش مصنوعی برای پیش بینی است.روش: داده های بازده هفتگی ۲۰۰ شرکت فعال در بازار سهام ایران، اطلاعات مربوط به متغیرهای نوع صنعت، اندازه، نقدینگی و سودآوری شرکت های منتخب در بازه زمانی ۱۳۹۵ تا ۱۳۹۹ به همراه پیشامدهای سیاسی و اقتصادی و اجتماعی برگزیده، در این پژوهش استفاده شده است. در مرحله نخست، چهار مدل LSTM ، DQN ، RF و مدل SVR، به عنوان مدل های برتر یادگیری عمیق و یادگیری ماشین، مقایسه شده است و در ادامه، پیش بینی بازده سهام براساس مدل برتر صورت می پذیرد. در گام دوم، روی سناریوهای حاصل از تاثیرپذیری تغییرات بازده نسبت به هر یک از ورودی های نوع صنعت، اندازه، نقدینگی و سودآوری شرکت ها تحلیل حساسیت انجام می شود و در آخر نیز، به منظور تحلیل دستاوردها، به خوشه بندی نتایج در سه دسته پیشامدهای اقتصادی، سیاسی اقتصادی و اقتصادی اجتماعی با استفاده از روش خوشه بندی تفکیکی پرداخته شده است.یافته ها: پس از مقایسه مدل های یادگیری عمیق (LSTM، DQN) و یادگیری ماشین (SVR، RF)، مشخص شد که برای پیش بینی بازده سهام، مدل LSTM (حافظه کوتاه مدت طولانی)، نسبت به سایر مدل ها برتر است. نتایج حاصل از خوشه بندی نیز، طیف وسیعی از تحلیل ها را بسته به نیاز، در اختیار سرمایه گذاران قرار می دهد که می تواند هنگام مواجهه با رخدادها، مبنایی برای تحلیل روند بازده قرار گیرد؛ اما به طور کل می توان گفت که پیشامدهای سیاسی روی بازده سهام شرکت ها بیشترین تاثیر را می گذارند. پس از آن، پیشامدهای اقتصادی و در آخر پیشامدهای اجتماعی، روی بازده سهام شرکت ها کمترین تاثیر را دارند. در راستای ارزیابی معیارها نیز، به ترتیب معیار اندازه شرکت، نوع صنعت، نقدینگی و در نهایت سودآوری، در آخرین جایگاه رتبه بندی عوامل موثر در نوسان ها قرار گرفتند.نتیجه گیری: بازار سهام ایران تحت تاثیر اخبار سیاسی، اقتصادی و اجتماعی و همچنین اقدامات و بیانیه های دولتی قرار دارد؛ اما بسته به نوع خبر، میزان تاثیرپذیری آن ها متفاوت خواهد بود. تاثیر پیشامدها بر بازده سهام، به صورت مستقیم است و صدق این عبارت که طی وقوع پیشامدهای سیاسی، اقتصادی و اجتماعی، بازده شرکت های بورسی بسته به نوع صنعت، اندازه، نقدینگی و سودآوری شرکت ها دچار نوسان می شوند، به تایید می رسد. در این میان، پیشامدهای سیاسی بیشترین تاثیر را بر بازده سهام شرکت ها دارند و باید در کانون توجه فعالان بازار سرمایه قرار گیرند.
کلیدواژه ها:
نویسندگان
مریم مرادی
کارشناس ارشد، گروه مهندسی مالی، دانشگاه میبد، یزد، ایران.
نجمه نشاط
استادیار، گروه مهندسی صنایع، دانشگاه میبد، یزد، ایران.
محسن سرداری
دانشیار، گروه مهندسی کامپیوتر، دانشگاه میبد، یزد، 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 :