کاربرد روش های یادگیری ماشین جهت پیش‌بینی ارزش شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران

ارزش شرکت برای سهامداران، سرمایه‌گذاران، مدیران، اعتباردهندگان و سایر ذینفعان در ارزیابی آن‌ها از آینده شرکت و تاثیر آن در برآورد ریسک و بازدهی سرمایه‌گذاری و قیمت سهام اهمیت به سزایی دارد. برآورد ارزش آتی شرکت‌ها همواره یکی از دغدغه‌های سرمایه‌گذاران بوده است و در این راه ابزارهای مالی متفاوتی به کار گرفته ‌شده است. هدف این پژوهش تبیین ارزش شرکت با استفاده از متغیرهای عملکرد، نظام راهبری و کمیته حسابرسی با کمک روش یادگیری ماشین لارس و همچنین پیش‌بینی ارزش شرکت با استفاده از روش خطی لاسو و غیرخطی فرآیند گوسی جهت کمک به تصمیم‌گیری مدیران و سرمایه‌گذاران می‌باشد. بدین منظور از اطلاعات 208 سال شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره مالی هفت ‌ساله 1390 الی 1396 استفاده‌ شده است. نتایج اولیه پژوهش نشان داد که معیارهای عملکرد نسبت به گروه معیارهای نظام راهبری و کمیته حسابرسی توانایی بالاتری جهت تبیین ارزش شرکت دارند و همچنین نتایج دیگر پژوهش حاکی از قدرت بالای روش‌های یادگیری ماشین جهت پیش‌بینی ارزش شرکت به‌ویژه روش غیرخطی فرآیند گوسی نسبت به روش خطی لاسو می‌باشد.

Application of Machine Learning Methods (GPR-LASOO) To predict the Value of Firms Listed in Tehran Stock Exchange

The value of a firm is important for shareholders, investors, managers, creditors and other stakeholders in order to assess its future and to estimate the risk and return on investment and stock prices. Investors have always concerns about estimating the future value of firms and they use various financial instruments in this regard. The purpose of this research is to explain the value of a firm using performance, management system and audit committee variables and applying the Lars machine learning method, as well as to forecast the value of the firm using the Lasso linear and Gaussian process nonlinear methods to help decision makers and investors. For this purpose, data is collected from 208 years/firms listed in Tehran Stock Exchange during the seven financial period of 20112017. The preliminary results of the research show that performance criteria are more capable of explaining the value of a firm than the group of criteria of the management system and the audit committee. Also other results of the research indicate the high power of machine learning methods for forecasting the value of a firm, in particular, the Gaussian process nonlinear approach as compared to the linear method of the Lasso is.