پیش بینی قیمت گذاری عرضه عمومی اولیه با استفاده از الگوریتم بهینه سازی انبوه ذرات PSO و ماشین بردار پشتیبان SVM
محل انتشار: کنفرانس بین المللی حسابداری و مدیریت
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 415
فایل این مقاله در 18 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:
MOCONF01_0084
تاریخ نمایه سازی: 29 آبان 1394
چکیده مقاله:
در پژوهش حاضر به مقایسه قدرت شبکه های عصبی، ماشین بردار پشتیبان و مدل برخاسته از ترکیب الگوریتم بهینه سازی انبوه ذرات PSO وماشین بردار پشتیبان SVM به منظور پیش بینی قیمتگذاری عرضه های عمومی اولیه پرداخته می شود. هدف این تحقیق طراحی مدلی است که به سرمایه گذاران در تشخیص صحت قیمت گذاری عرضه های عمومیاولیه و شکار فرصت های سودآوری یاری رساند. بنابراین متغیرهای استفاده شده در این پژوهش از میان آن دسته از متغیرهای انتخاب شده اند که قبل از عرضه در اختیار سرمایه گذارانی که دسترسی محدودی به اطلاعات دارند، قرار داشته باشد. از سوی دیگر، نتایج این تحقیق می تواند برای شرکت ناشر، مشاور پذیرش، پذیره نویسان و نیز قانون گذاران بورس اوراق بهادار سودمند باشد. نتایج تحقیق نشان می دهد ترکیب الگوریتم بهینه سازی انبوه ذرات PSO و ماشین بردار پشتبیان SVM قدرت پیش بینی را به طور محسوسی افزایش می دهد. در نتیجه، مدلهای ماشین بردار پشتیبان می توانند با افزایش صجت قیمت گذاری عرضه های عموی اولیه منافع اقتصادی بااهمیتی به صورت کاهش هزینه های قیمت گذاری کمتر از واقع فراهم کنند.
کلیدواژه ها:
عرضه های عمومی اولیه ، قیمت گذاری ، شبکه های عصبی ، ماشین بردار پشتیبان ، الگوریتم بهینه سازی انبوه ذرات
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 :