مدل سازی اثر تغییرات بازده در پیش بینی سود بر سوگیری لنگرگاه با رویکرد مالی رفتاری

هدف پژوهش حاضر مدلسازی تغییرات بازده بر اساس تغییرات پیش‌بینی سود مبتنی بر سوگیری لنگرگاه بوده است. سوگیری لنگر به قضاوت یا تصمیم‌گیری بر اساس اطلاعات اولیه دریافتی گفته می شود. داده‌های اولیه و قبلی که درباره یک موضوع وجود داشته باشد بر سرمایه گذار درمورد یک موضوع تاثیر می‌گذارد یا سبب می‌شود که تصمیمی جانب‌دارانه گرفته شود. برای این منظور از اطلاعات دوره زمانی 1402-1390 با فراوانی فصلی استفاده گردید. در این راستا ابتدا به مدلسازی بازده بر اساس تغییرات پیش‌بینی سود با استفاده از مدل خودهمبسته میانگین متحرک (arma) پرداخته شد و نوسانات این بازدهی با استفاده از روش واریانس ناهمسان شرطی تعمیم یافته (garch) مدلسازی شد. در ادامه با استفاده از رویکرد شبکه عصبی به پیش‌بینی سود پرداخته شد و دقت این مدل در مقایسه با روش های سری زمانی مقایسه گردید. نتایج بدست آمده در این پژوهش نشان می‌دهد بین سوگیری لنگرگاه و خطای پیش‌بینی سود رابطه مثبت و معنی داری وجود دارد. به عبارت دیگر، تورش  اطلاعات دریافتی اولیه و عدم شفافیت آن می تواند منجر به افزایش در خطای پیش‌بینی بازده باشد. به علاوه، دقت روش شبکه عصبی در پیش‌بینی تغییرات سود نسبت به مدل های arma و garch بالاتر بوده است.

the pattern of return changes based on profit forecast changes with a behavioral finance approach in the framework of the role of anchor bias

the purpose of this article is to compare conditional heterogeneous variance models and artificial neural network in explaining the changes in returns based on the changes in profit forecast with behavioral finance approach. anchor bias refers to judgment or decision making based on the initial information received. the initial and previous data that exists on a subject affects the investor on a subject or causes a biased decision to be made. for this purpose, the information of the time period 2011-2023 was used with seasonal frequency. in this regard, the return was modeled based on changes in profit forecast using the autocorrelated moving average (arma) model, and the fluctuations of this return were modeled using the generalized autoregressive conditional heteroscedastic (garch). next, profit forecasting was done using the neural network method and the accuracy of this model was compared with time series methods. the results obtained in this study indicated that there is a positive and significant relationship between anchorage exploitation and profit forecasting error. in addition to this, the obtained results have shown that the accuracy of the neural network method in predicting profit changes is higher than the arma and garch models.