|
|
|
|
بررسی سودمندی روش های کاهش متغیرها در پیش بینی بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران
|
|
|
|
|
|
|
|
نویسنده
|
ستایش محمد حسین ,کاظم نژاد مصطفی
|
|
منبع
|
مطالعات تجربي حسابداري مالي - 1398 - دوره : 16 - شماره : 63 - صفحه:83 -107
|
|
چکیده
|
هدف این پژوهش، بررسی سودمندی روش های مختلف کاهش )انتخاب و استخراج( متغیرها در پیش بینی بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در این راستا، با بررسی پیشینه پژوهش، 52 متغیر اولیه که بیشتر در ادبیات استفاده و داده های مورد نیاز برای سنجش آنها در دسترس بود، جستجو و با استفاده از روش انتخاب متغیر ریلیف و روش استخراج متغیر تحلیل عاملی، متغیرهای بهینه از بین متغیرهای اولیه، انتخاب یا استخراج شد. در ادامه، با استفاده از 52 متغیر اولیه و همچنین با متغیرهای انتخاب یا استخراج شده در روش های مزبور به پیش بینی بازده سهام 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1383 الی 1392 پرداخته شده است. به منظور پیش بینی نیز از رگرسیون غیرخطی 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
|
|
کلیدواژه
|
پیش بینی بازده سهام، کاهش متغیرها، رگرسیون غیرخطی، درخت تصمیم
|
|
آدرس
|
دانشگاه شیراز, دانشکده اقتصاد ، مدیریت و علوم اجتماعی, گروه حسابداری, ایران, دانشگاه شیراز, دانشکده اقتصاد ، مدیریت و علوم اجتماعی, ایران
|
|
پست الکترونیکی
|
mostafakazemnezhad@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
The Usefulness of Variables (Dimension) Reduction Methods in Stock Returns of the Companies Listed on Tehran Stock Exchange
|
|
|
|
|
Authors
|
Setayesh Mohammad Hossein ,Kazemnezhad Mostafa
|
|
Abstract
|
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.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|