|
|
|
|
پیشبینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری
|
|
|
|
|
|
|
|
نویسنده
|
فدایی ابراهیم ,داداشی ایمان ,زارع بهنمیری محمد جواد ,آذین فر کاوه
|
|
منبع
|
دانش مالي تحليل اوراق بهادار - 1400 - دوره : 14 - شماره : 50 - صفحه:99 -108
|
|
چکیده
|
هدف این مطالعه، بررسی پیشبینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری میباشد. در این پژوهش براساس دادههای مرتبط با 96 نسبت مالی 140 شرکت پذیرفتهشده در بورس اوراق بهادار تهران طی دوره زمانی 9 ساله بین سال های 97-1389 اقدام به پیشبینی شوک منفی قیمت سهام مبتنی بر رویکرد فراابتکاری نموده ایم. در این تحقیق به منظور استخراج نسبتهای مالی بهینه، از الگوریتم های ژنتیک و بهینه‌سازی ازدحام ذرات استفاده شده که در نهایت 8 نسبت مالی اثرگذار برای پیشبینی شوکها(موقت و دائم) و تعداد آنها در طی یک سال انتخاب شدند. در ادامه مدل پیشنهادی با استفاده از این ویژگی های موثر استخراج شده، توسط ماشین بردار پشتیبان با هسته شعاعی و شبکه عصبی مصنوعی آزمون شده است. نتایج حاکی از آن بود که متغیرهای استخراجی از الگوریتم بهینه‌سازی ازدحام ذرات، به همراه الگوریتم یادگیری ماشین بردار پشتیبان، نتیجه بهتری را برای پیش بینی شوکها(موقت و دائم) و تعداد آنها دارا هستند.
|
|
کلیدواژه
|
شوک منفی قیمت سهام، رویکرد فراابتکاری، بهینه سازی ازدحام ذرات، الگوریتم ژنتیک
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد بابل, ایران, دانشگاه آزاد اسلامی واحد بابل, گروه حسابداری, ایران, دانشگاه قم, دانشکده مدیریت, گروه حسابداری, ایران, دانشگاه آزاد اسلامی واحد بابل, گروه حسابداری, ایران
|
|
پست الکترونیکی
|
azinfarbaboli@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
predicting negative stock price shocks based on the meta heuristic approach
|
|
|
|
|
Authors
|
fadaei ebrahim ,dadashi iman ,zare bahnamiri mohammad javad ,azinfar kaveh
|
|
Abstract
|
according to capital market research, the negative shock of stock price in any market is a function of environmental factors and specific characteristics of the company and any insight into how to describe and predict the shock can influence the decisions of investors and stakeholders. in this study, based on the data related to 96 financial ratios of 140 companies listed on the tehran stock exchange during a period of 9 years between 2010 and 3012, we have predicted a negative shock of stock price based on the meta-heuristic approach. in this research, in order to extract the optimal financial ratios, genetic algorithms and particle swarm optimization have been used. the proposed model is then tested using these extracted features by a support vector machine with a radial core and an artificial neural network. the results showed that the variables extracted from the particle swarm optimization algorithm, together with the support vector machine learning algorithm, create better results for predicting shocks (temporary and permanent) and their number.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|