پیش بینی بازده سهام با استفاده از روش انقباضی LASSO

انتخاب متغیر، یکی از مراحل مهم در مدل سازی آماری است. برای این منظور، معمولاً از روش هایی نظیر حذف پسرو استفاده می شود. از آنجایی که در این روش ها دو مرحله ی برآورد مدل و انتخاب متغیر به طور جداگانه صورت می گیرد، نتیجه ی حاصل بی ثبات خواهد بود. به همین دلیل اخیراً گروه دیگری از روش های انتخاب متغیر به نام روش های انقباضی مطرح شده اند که در این بین، lasso از محبوبیت ویژه ای برخوردار است. در این تحقیق با استفاده از lasso در نرم افزار r، مهم ترین متغیرهای بنیادی حسابداری موثر بر بازده ی سهام شرکت های پذیرفته در بورس اوراق بهادار تهران در بازه ی زمانی 1390-1386، شناسایی می شوند. براساس یافته های تحقیق، بازده ی دارایی ها در تمام سال ها به عنوان یک متغیر مهم برای پیش بینی بازده ی سهام برگزیده شد. در مقابل سه متغیر سرمایه گذاری ها، حاشیه سود ناخالص و تغییرات نقدینگی در هیچ یک از سال ها، انتخاب نشدند. پیچیده ترین و ساده ترین مدل، مربوط به سال های 1388 و 1389 به ترتیب با دو و شش متغیر است.