خلاصة:
ریسک و بازده سهام همواره از مهمترین عوامل در اتخاذ تصمیمات مالی سرمایهگذاران بوده است. از این رو پیشبینی آنها برای سرمایهگذاران و سایر فعالان بازار سرمایه حائز اهمیت بسیار است. هدف پژوهش حاضر به کارگیری تکنیکهای دادهکاوی در پیشبینی بازده و ریسک سیستماتیک سهام در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. در این پژوهش با استفاده از چهار الگوریتم تحلیل جداساز خطی، الگوریتم تحلیل جداساز غیرخطی، الگوریتم نزدیکترین K همسایگی و درخت تصمیم و به کمک 16 متغیر مستقل به پیشبینی بازده و ریسک سیستماتیک سهام پرداخته میشود. چهار الگوریتم مذکور یک بار با استفاده از کل متغیرهای مستقل و بار دیگر با استفاده از 4 متغیر مستقل که با استفاده از رویکرد فیلترینگ به عنوان مؤثرترین متغیرها در پیشبینی بازده و ریسک شناخته شدهاند، اجرا می شود. سپس صحت پیشبینی چهار الگوریتم در دو حالت (مجموعاً 8 پیشبینی برای بازده و 8 پیشبینی برای ریسک) مقایسه و بهترین الگوریتم انتخاب میگردد. بدین منظور دادههای 107 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1380 تا 1392 مورد استفاده قرار گرفته است. نتایج حاصل شده حاکی از این است که در حالت به کارگیری 16 متغیر مستقل الگوریتم تحلیل جداساز خطی بهترین پیشبینی بازده و الگوریتم تحلیل جداساز غیرخطی بهترین پیشبینی ریسک سیستماتیک را به دست میدهد. لیکن در حالت استفاده از متغیرهای مستقل منتخب الگوریتم تحلیل جداساز غیرخطی بهترین پیشبینی بازده و الگوریتم تحلیل جداساز خطی بهترین پیشبینی ریسک سیستماتیک را ارائه میدهد. به طور کلی استفاده از متغیرهای مستقل منتخب (به جای استفاده از کل متغیرهای مستقل) توان الگوریتمها در پیشبینی بازده و ریسک سیستماتیک را بهبود میبخشد.
ملخص الجهاز:
همچنین، در این پژوهش از چهار الگوریتم تحلیل جداساز خطی[1] (LDA)، الگوریتم تحلیل جداساز غیرخطی[2] (QDA)، الگوریتم نزدیکترین همسایگی[3] (KNN) و الگوریتم درخت تصمیم طبقهبندیکننده[4](CDT) برای پیشبینی ریسک و بازده سهام استفاده شده است و دقت پیشبینی این روشها با یکدیگر مقایسه میشود.
استفاده از چهار الگوریتم متفاوت و نیز استفاده از الگوریتمهای گزینشمتغیرهای مستقل و تحلیل خوشهای برای تعیین تأثیرگذارترین عوامل بر ریسک و بازده سهام از نوآوریهای این پژوهش است.
در این راستا، پژوهش حاضر درصدد بهکارگیری الگوریتمهای دادهکاوی برای انجام وزندهی به متغیرهای حسابداری مختلف برای پیشبینی دقیقتر بازده و ریسک سهام شرکت است.
در این پژوهش بهمنظور پیشبینی ریسک سیستماتیک و بازده سهام شرکت به کمک اطلاعات حسابداری و نسبتهای مالی از روش دادهکاوی استفاده شده است.
یافتههای الگوریتم تحلیل جداساز غیرخطی نتایج حاصل از بهکارگیری الگوریتم تحلیل جداساز غیرخطی در پیشبینی متغیر بازده و ریسک با دادههای آزمون (293 سال- شرکت)، بهترتیب در نگارههای (4) و (5) نمایش داده شده است.
نتایج حاصل از بهکارگیری این الگوریتم در پیشبینی متغیر بازده و ریسک با دادههای آزمون، در نگارههای (6) و (7) منعکس شده است.
همانند روشهای گفتهشده در بالا، نتایج این الگوریتم نیز در نگارههای (8) و (9) بهترتیب برای بازده و ریسک که شامل طبقات پیشبینی در هر ستون و طبقات واقعی در هر ردیف هستند، نمایش داده شده است.
برای نگارۀ ریسک نیز مانند بازده اعداد روی قطر نگاره معرف تعداد پیشبینیهای صحیح انجامشده بهوسیلۀ این الگوریتم است که عبارتاند از: 56 سال- شرکت (7+17+3+15+14).