شناسایی دستکاری سهام با استفاده از مدل های هوش مصنوعی در بازار سرمایه ایران

دستکاری سهام از مهم ترین چالش های بازار سرمایه به شمار می رود که می تواند کارایی بازار و اعتماد سرمایه گذاران را تضعیف کند. این پژوهش با هدف شناسایی دستکاری قیمتی در سهام پذیرفته شده در بازار سرمایه ایران و با استفاده از مدل های هوش مصنوعی انجام شده است. جامعه آماری شامل داده های روزانه ۶۹ سهم از ۱۹ صنعت در بازه زمانی ۱۳۹۵ تا ۱۳۹۹ است. با توجه به نبود شفافیت در معرفی سهام دستکاری شده در ایران، برای آموزش مدل ها، داده های مصنوعی از طریق تزریق الگوهای تصادفی به سهام غیرمشکوک و با اتکا به نظر خبرگان تولید شد. متغیرهای مورد بررسی شامل بازده روزانه، حجم معاملات، و میانگین خرید و فروش سرمایه گذاران حقیقی و حقوقی است. روش تحقیق از نوع کاربردی-تجربی با رویکرد توصیفی-تحلیلی بوده و تحلیل داده ها با استفاده از مدل های رگرسیون لجستیک، درخت تصمیم و شبکه عصبی چندلایه انجام شده است. نتایج نشان می دهد در دوره های دستکاری، بازده و حجم معاملات به طور معناداری افزایش می یابد و فعالیت معاملاتی سرمایه گذاران نیز رشد قابل توجهی دارد. در میان مدل ها، درخت تصمیم با دقت ۶۸ درصد (بر اساس معیار F۲) بهترین عملکرد را داشته است. همچنین، افزایش حجم معاملات در روز دستکاری و روز قبل، همراه با بازده غیرعادی، مهم ترین شاخص های شناسایی دستکاری هستند. در نهایت، راهکارهای عملی برای نهاد ناظر ارائه شده است.

کلیدواژه ها:

Stock Manipulation ، Deep Learning ، Artificial Intelligence (AI) ، دستکاری سهام ، یادگیری عمیق ، هوش مصنوعی