پیش‌بینی خطر سقوط قیمت سهام با استفاده از الگوریتم ژنتیک و مقایسه با رگرسیون لوجستیک، با تاکید بر نگرش انتخاب ویژگی

ریسک سقوط قیمت سهام، شاخصی برای اندازه‌گیری عدم تقارن در ریسک محسوب می‌شود و از اهمیت فراوانی در تحلیل پرتفوی و قیمت‌گذاری دارایی‌های سرمایه‌ای برخوردار است. با توجه به اهمیت ریسک سقوط، پژوهش‌های متعددی به بررسی عوامل موثر بر آن پرداخته‌اند که در تمام آنها از روش‌های سنتی به منظور پیش‌بینی استفاده شده است در حالی‌که در سال‌های اخیر روش‌های نوین فراابتکاری در سایر مباحث مالی به طور گسترده‌ای مورد استفاده قرار گرفته است و نتایج بهتری داشته‌اند. هدف این پژوهش، مدل‌بندی پیش‌بینی خطر سقوط قیمت سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم ژنتیک و مقایسه نتایج با رگرسیون لجستیک می‌باشد. بدین منظور یک فرضیه برای بررسی این موضوع تدوین و داده‌های مربوط به 107 شرکت عضو بورس اوراق بهادار تهران برای دوره زمانی بین سال‌های 1389تا 1395 مورد تجزیه و تحلیل قرار گرفت. ابتدا 14 متغیر مستقل به عنوان ورودی الگوریتم ترکیبی ژنتیک و شبکه عصبی مصنوعی که به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است، وارد مدل گردید و 7 متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم ژنتیک و رگرسیون لجستیک اقدام به پیش‌بینی خطر سقوط قیمت سهام گردید. برای محاسبه خطر سقوط قیمت سهام از معیار دوره خطر استفاده شده است. .نتایج این پژوهش نشان می‌دهدکه مدل مبتنی بر الگوریتم ژنتیک نسبت به رگرسیون لجستیک، برای پیش‌بینی خطر سقوط قیمت سهام توانایی بیشتری دارد. بنابراین فرضیه پژوهش تایید می‌شود.