چکیده:
این پژوهش به بررسی اثرگذاری اطلاعات مالی بر تکانه بازده سهام در پرتفویهای برنده و بازنده با استفاده از روشهای داده-کاوی(شبکههای عصبی و درخت تصمیم) در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. تحلیل اطلاعات مالی مورد استفاده در سه گروه کلی شامل: متغیرهای سودآوری (بازده داراییها، جریانات نقدی، اقلام تعهدی و رشد سودآوری)، متغیرهای اهرم و نقدینگی (اهرم مالی، نسبت نقدینگی و انتشار سهام) و متغیرهای کارایی عملیاتی(حاشیه سود و گردش داراییها) طبقهبندی شد. این پژوهش با استفاده از نمونهای شامل 130 شرکت پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی سال-های 1387 تا 1398 انجام گرفته است.نتایج بدست آمده از مدلهای دادهکاوی نشان میدهد که متغیرهای مربوط به سودآوری شرکت بیشترین تاثیرگذاری را بر بازده آتی سهام در هر دو پرتفوی برنده و بازنده داشته است. این نتیجه برای سرمایهگذاران در بورس اوراق بهادار رهنمود بسیار مهمی در پی دارد، سرمایهگذاران باید در زمان انتخاب سهام مد نظر خود حتما شرکتهای با سودآوری مناسب را براساس شاخصهای سادهای که در این پژوهش معرفی گردید انتخاب نمایند.
This study addressed the effects of financial information on stock price momentum in winning and losing portfolios using data mining methods (neural network and decision trees) in firms listed in Tehran Stock Exchange. The financial analysis included three general categories: profitability variables (return on assets, cash flows, accruals, and profitability growth), leverage and liquidity variables (financial leverage, liquidity ratio, and share issue), and operating efficiency variables (profit margin and assets turnover). The study sample comprised firms listed in Tehran Stock Exchange in the 2008-2019 time period. The results of the data mining model showed that the profitability variables had the greatest effect on the stock future returns in both winning and losing portfolios. This result has an important implication for investors in stock exchanges: when selecting a share, the investor is advised to choose a firm with high profitability on the basis of simple indices the present study introduces.
خلاصه ماشینی:
نتايج بدست آمده از مدل شبکه هاي عصبي نشان ميدهد که از ميان ويژگيهاي مربوط به سودآوري شرکت ؛ متغيرهاي بازده داراييها، جريانات نقدي و اقلام تعهدي تاثيري معنادار بر بازده دو ساله آتي سهام داشته است .
يافته هاي مدل داده کاوي شبکه هاي عصبي در پرتفوي بازنده - بازده سه سال آتي نتايج بدست آمده در خصوص متغيرهاي تاثيرگذار بر بازده سه ساله آتي سهام که بر اساس الگوريتم شبکه هاي عصبي مورد شناسايي قرار گرفته به شرح نمودار زير است : نتايج از مدل شبکه هاي عصبي در پرتفوي بازنده نشان ميدهد که از ميان ويژگيهاي مربوط به سودآوري شرکت ؛ متغيرهاي بازده داراييها، جريانات نقدي و اقلام تعهدي تاثيري معنادار بر بازده سه ساله سهام داشته است .
يافته هاي مدل داده کاوي درخت تصميم در پرتفوي بازنده - بازده دو سال آتي نتايج بدست آمده در خصوص متغيرهاي تاثيرگذار بر بازده آتي سهام که بر اساس الگوريتم درخت تصميم C٥ مورد شناسايي قرار گرفته به شرح نمودار زير است .
نتايج بدست آمده از مدل هاي داده کاوي نشان ميدهد که متغيرهاي مربوط به سودآوري شرکت بيشترين تاثيرگذاري را بر بازده آتي سهام در هر دو پرتفوي برنده و بازنده داشته است .
نتايج بدست آمده از مدل هاي داده کاوي نشان ميدهد که متغيرهاي مربوط به سودآوري شرکت بيشترين تاثيرگذاري را بر بازده آتي سهام در هر دو پرتفوي برنده و بازنده داشته است .
يادداشت ها: 1 Grinblatt & Titman 2 Blackburn & Cakici 3 Sundqvist 4 Bin Guoa 5 Qi Lin 6 Kabuta ۴۶٠