بررسی توان شیوه‌های داده کاوی در تفکیک شرکت‌های درمانده و غیر درمانده

درماندگی مالی یکی از موضوعات مهم در بازارهای مالی بوده و می تواند در مدل تصمیم گیری سرمایه‌گذاران وارد شود تا بتوانند به تجزیه و تحلیل وضعیت مالی موارد سرمایه گذاری پرداخته و با مشخص‌شدن سطح درماندگی مالی، با اطمینان در موقعیت مناسب تصمیم گیری کنند؛ بنابراین در این پژوهش بررسی می‌شود که آیا می‌توان یک رویکرد محاسباتی نوین برای پیش‌بینی درماندگی مالی، با استفاده از شیوه های خوشه بندی و طبقه بندی ارائه کرد؟ جامعه آماری پژوهش، شرکت های پذیرفته‌شده در بورس اوراق بهادار تهران در سال های 1393 الی 1399 می باشد؛ که با استفاده از روش حدف سیستماتیک؛ اطلاعات 123 شرکت استخراج گردید؛ برای پاسخ‌گویی به سوالات پژوهش از 6 علامت هشدار دهنده درماندگی مالی به همراه شیوه‌های داده‌کاوی تحلیل مولفه‌های اساسی و خوشه‌بندی، برای تعیین شرکت‌های درمانده مالی استفاده شد؛ سپس به‌منظور ارائة مدلی برای پیش‌بینی درماندگی مالی، از 23 متغیر مالی و غیرمالی (که در نهایت تعداد 13 متغیر به عنوان ورودی به علت داشتن ضریب همبستگی بالا با متغیر در ماندگی مالی انتخاب شدند) به همراه شیوه‌ درخت تصمیم استفاده شد. یافته‌های پژوهش بیانگر این موضوع هستند که شیوه های داده کاوی امکان تفکیک شرکت‌های درمانده و غیر‌درمانده را فراهم می کند و بیانگر یک روش تحلیلی خودکار برای کشف درماندگی بالقوه می‌باشد.

examining the power of data mining methods in separating helpless and non-helpless companies

behavioral finance explains contradictory patterns with market efficiency hypotheses with behavioral biases. one of the most common price patterns in the stock market is the pattern of momentum, which can be driven by investors’ adjustment and anchoring bias and disposition effect. in this study, the role of adjustment and anchoring bias and disposition effect on the formation of momentum returns on the tehran stock exchange are examined. using the portfolio study method and the data of the research period of 2007-2016, it was found that investors are more affected by adjustment and anchoring bias compared to disposition effect and form a pattern of momentum by reversing against the maximum price thresholds with a one-year period as the reference price. also, among the maximum thresholds, investors are most affected by the maximum price of 26 weeks with a six-month waiting period, and further analysis and analysis using the fama-macbeth regression and the fama-french three-factor model confirm these results.