چکیده:
هدف این پژوهش، بررسی سودمندی روش های مختلف کاهش (انتخاب و استخراج) متغیرها در پیش بینیبازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در این راستا، با بررسی پیشینهپژوهش، 52 متغیر اولیه که بیشتر در ادبیات استفاده و داده های مورد نیاز برای سنجش آنها در دسترسبود، جستجو و با استفاده از روش انتخاب متغیر ریلیف و روش استخراج متغیر تحلیل عاملی، متغیرهای بهینهاز بین متغیرهای اولیه، انتخاب یا استخراج شد. در ادامه، با استفاده از 52 متغیر اولیه و همچنین با متغیرهایانتخاب یا استخراج شده در روش های مزبور به پیش بینی بازده سهام 101 شرکت پذیرفته شده در بورساوراق بهادار تهران در بازه زمانی 1383 الی 1392 پرداخته شده است. به منظور پیش بینی نیز از رگرسیونغیرخطی درخت تصمیم و رگرسیون خطی استفاده شده است. یافته های تجربی این پژوهش حاکی ازسودمندی هر دو روش کاهش متغیر (نسبت به استفاده از 52 متغیر اولیه)، سودمندی بیشتر روش ریلیف نسبت به تحلیل عاملی و همچنین عملکرد بهتر درخت تصمیم نسبت به رگرسیون خطی است
The Purpose of this research is investigating the usefulness of variables (dimension) reduction methods (selection and extraction) in stock returns of the companies listed on Tehran Stock Exchange (TSE). In this regard, through reviewing literature, 52 predictive features (variables) were specified as the initial features based on the popularity in the literature and the availability of the necessary data. By using variables selection (relief) and variables extraction (factor analysis) methods, optimal variables (factors) are selected or extracted from initial variables. Subsequently, the stock returns of 101 firms listed on TSE from 2004 to 2013 were predicted utilizing decision tree and linear regression. The experimental results confirmed the usefulness of variables (dimension) reduction methods in stock return prediction and better performance of relief (relative to factor analysis). Furthermore, the results indicated that decision tree outperforms the linear regression.
خلاصه ماشینی:
در ادامه، با استفاده از 52 متغير اوليه و همچنين با متغيرهاي انتخاب یا استخراج شده در روش هاي مزبور به پيش بينی بازده سهام 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1383 الی 1392 پرداخته شده است.
با توجه به مطالب پيش گفته، مساله اصلی این پژوهش بررسی این موضوع است که آیا انتخاب متغيرهاي پيش بين بهينه از بين متغيرهاي اوليه، تأثير مثبت و معناداري بر عملکرد پيش بينی بازده سهام شرکت هاي پذیرفته شده در بورس اوراق بهادار تهران دارد؟ به عبارت دیگر، آیا متغيرهاي انتخاب یا استخراج شده با روش هاي کاهش متغير، بهتر از متغيرهاي اوليه، بازده سهام را پيش بينی می کند؟ همچنين، آیا تفاوت معناداري بين ميزان سودمندي روش هاي مختلف کاهش متغير وجود دارد؟ به بيان دیگر، آیا متغيرهاي انتخاب یا استخراج شده با روش هاي مختلف کاهش متغير، تأثير متفاوتی بر عملکرد پيش بينی بازده سهام دارد؟ در این راستا، تأثير متغيرهاي انتخاب یا استخراج شده با روشهاي انتخاب و استخراج متغير )شامل ریليف و تحليل عاملی( بر عملکرد پيش بينی با یکدیگر و با متغيرهاي اوليه مقایسه می شود.
روش ریليف یکی از مهم ترین روش هاي انتخاب متغير در پيش بينی متغيرهاي پيوسته محسوب می شود که در این پژوهش نيز استفاده شده است.
روش آزمون فرضیه ها پس از مشخص شدن متغيرها و عامل هاي بهينه به وسيله هر یک از روشهاي کاهش متغير ،از روش رگرسيون خطی و درخت تصميم براي پيش بينی بازده سهام در هر سه حالت )استفاده از 52 متغير اوليه، متغيرهاي انتخاب شده در روش ریليف و عامل هاي استخراج شده در روش تحليل عاملی( استفاده شده است.
با توجه به آماره t و مقدار احتمال مربوطه، تفاوت معناداري بين عملکرد پيش بينی درخت تصميم در زمان استفاده از عامل هاي استخراج شده روش تحليل عاملی و استفاده از 52 متغير اوليه وجود دارد.