چکیده:
بازار سهام، بهعنوان یک حوزه مالی برجسته، چالش بزرگی را در درک و ارزیابی مجموعه گستردهای از سهام ارائه میدهد. استفاده از تجزیه و تحلیل شبکه سهام، درک جامعی از کل شبکه را از طریق تکنیکهای متنوع مصورسازی تسهیل میکند. این مطالعه به بررسی اطلاعات 50 شرکت برتر پذیرفته شده در بورس اوراقبهادار تهران در بازه زمانی 1 ژانویه 2019 تا 6 ژوئیه 2021 میپردازد. با استفاده از ابزارهای یادگیری ماشینی بدون نظارت مانند الگوریتمهای تشخیص جامعه و روشهای تجزیه و تحلیل شبکه مانند لاوین، گیروان - نیومن، شبکهای از سهام تشکیل شد. پس از آن، پنج معیار مرکزیت برای این شرکتها محاسبه شد که شامل مرکزیت درجه، مرکزیت نزدیکی، مرکزیت ویژه، مرکزیت بینابینی و رتبه صفحه است. با فرمولبندی یک ماتریس شباهت بر اساس این معیارها برای سهام باقیمانده در شبکه، مجموعهای از 25 سهام مناسب برای سرمایهگذاری تعیین شد که از رتبهبندی سهام بر اساس معیارهای مرکزیت بهدست میآید.
The stock market, as a prominent financial domain, presents a formidable challenge in comprehending and evaluating an extensive array of stocks employing centrality measurements to portray the key variables within a network, companies' stocks can be visualized and comprehended. The utilization of stock network analysis facilitates a comprehensive understanding of the entire network through diverse visualization techniques. This study delves into the data of the top 50 companies listed on the Tehran Securities Exchange during the period from January 1, 2019, to July 6, 2021. Employing unsupervised machine learning tools such as Community Detection algorithms and network analysis methods like Louvain and Girvan-Newman, we construct a stock network. Subsequently, we compute five Centrality Metrics, including Degree Centrality, Closeness Centrality, Eigen Centrality, Betweenness Centrality, and PageRank, for these companies. By formulating a similarity matrix based on these criteria for the remaining stocks in the network, we determine a portfolio of 25 stocks suitable for investment, derived from the ranking of stocks according to the Centrality Metrics