چکیده:
در این مقاله از مدل تحلیل ممیزی DA 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی ANN-GA 2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شده است. در این پژوهش،ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخابو اطلاعات مربوط به شاخص های قیمت و بازده نقدی TEDPIX ، قیمت پایانی، نوسان قیمت پایانی و حجممعاملات در بازه زمانی سال های 1531 تا 1531 گردآوری گردید. سپس با به کارگیری آزمون وابستگی دیرش 5 ،آزمون ضرایب کشیدگی و چولگی 4 و آزمون سلسله 3 و با استفاده از متغیر قیمت و بازده نقدی، شرکت های منتخببه دودسته دستکاری قیمت شده و دستکاری قیمت نشده تقسیم شدند. سپس با بررسی نمودار روند تغییراتشاخص قیمت و بازده نقدی و حجم معاملات در مورد شرکت های دستکاری قیمت شده، تاریخ شروع دستکاریقیمت تعیین گردید. در گام بعدی، با استفاده از تابع تحلیل ممیزی خطی ) LDF ) 6 و تابع تحلیل ممیزی درجه دوم( QDF ) 1 و همچنین الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی و با استفاده از متغیرهای قیمت پایانی، نوسانقیمت پایانی و حجم معاملات و با به کارگیری اطلاعات یک سال قبل از شروع دستکاری قیمت سهام برایشرکت های دستکاری قیمت شده و اطلاعات چهارساله برای شرکت های دستکاری قیمت نشده، مدل هایی برایپیش بینی دستکاری قیمت سهام طراحی گردید. در پایان توانایی پیش بینی مدل ها موردبررسی قرار گرفت. با توجهبه نتایج به دست آمده، توانایی پیش بینی مدل تحلیل ممیزی درجه دوم نسبت به مدل تحلیل ممیزی خطی و مدلالگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی بهتر هست.
خلاصه ماشینی:
com چکیده در این مقاله از مدل تحلیل ممیزی (DA)- Discriminant Analysis و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی (ANN-GA)- Genetic Algorithm based on Artificial Neural Network برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفادهشده است.
دستکاری قیمت بازار-Market Price Manipulation، تحلیل ممیزی خطی، تحلیل ممیزی درجه دوم، الگوریتم ژنتیک، شبکه عصبی مصنوعی 1- مقدمه نتایج پژوهشهای متعدد در بازار سرمایه نشان میدهد که قیمتهای سهام در بیشتر اوقات بهوسیله آگاهی سرمایهگذاران درباره چشمانداز آینده صدور سهام شرکتها تعیین نمیشوند.
هدف دوم بررسی دو فرضیه به این صورت است که اول دادهها باید از یک توزیع نرمال چندمتغیره-Multivariate Normal Distribution پیروی کنند و ماتریس واریانس کوواریانس0-Variance Covariance Matrix دو گروه باید مساوی باشد و دوم معتبر بودن دادههای بازار خریدوفروش سهام است؛ بنابراین، درصورتیکه این فرضیات رد شوند از یک تکنیک که برای دادهها با ماتریس واریانس کوواریانس نامساوی مناسبتر است یعنی تابع ممیزی درجه دوم (QDF) استفاده میشود (گانادسیکان و کترینگ، 1972).
آنها در پژوهش خود برای پیشبینی قیمت سهام از ترکیب روشهای هوش مصنوعی شامل شبکههای عصبی– فازی و الگوریتم ژنتیک استفاده کردند و این مدل ترکیبی با روشهای شبکه عصبی بهعنوان یکی دیگر از مدلهای هوش مصنوعی و مدل خطی ARIMA با توجه به معیارهای R2، MAE، MAPE، MSE مقایسه شده است.