پیش ‏بینی ارزش شرکت مبتنی بر روش‏های یادگیری عمیق

پیش‌بینی و درک روشن از رفتار یک پدیده نقش عمده‌ای در اتخاذ راهبردها و تصمیم‌گیری‌ها دارد. توسعه همه جانبه و تعمیق بازار سرمایه به عنوان موتور محرکه توسعه اقتصادی، نیازمند اعتماد عمومی مشارکت کنندگان به کارایی و درستی آن در تعیین قیمت عادلانه اوراق بهادار است. از سوی دیگر، پیش بینی ارزش شرکت، نوسانات قیمت یا بازدهی سهام اهمیت زیادی در انتخاب پرتفوی، مدیریت دارایی‌ها و حتی قیمت‏گذاری سهام شرکت‌هایی که تازه وارد بورس می‌شوند، دارد. در این پژوهش با استفاده از داده های 159 شرکت طی دوره زمانی 10 ساله شامل 1399-1390 و عوامل موثر بر ارزش شرکت شامل نسبت‏های مالی، سازوکارهای راهبری شرکتی، عوامل اقتصاد کلان و بازار سهام اقدام به پیش بینی ارزش شرکت شده است. در این پژوهش از دو ساختار روش یادگیری عمیق شامل gru و blstm جهت ارزیابی بهتر استفاده می‌شود. نتایج حاصل از بررسی داده های گردآوری شده با استفاده از تکنیک های یادگیری عمیق، بیانگر آن بود که مدل ترکیبی با مقدار خطای rmse کمتری نسبت به مدل gru ارزش شرکت را پیش‌بینی کرده است.

company value prediction based on deep learning methods

prediction and clear understanding of the behavior of a phenomenon plays a major role in adopting strategies and decisions. all-round development and deepening of the capital market as the driving engine of economic development requires the public trust of participants in its efficiency and correctness in determining the fair price of securities. on the other hand, predicting company value, price fluctuations, or stock returns is very important in portfolio selection, asset management, and even stock pricing of newly listed companies.in this research, using the data of 159 companies during a 10-year period including 2011-2020 and the factors affecting the company’s value, including financial ratios, corporate governance mechanisms, macroeconomic factors, and the stock market, the company’s value has been predicted. in this research, two structures of deep learning methods including gru and blstm are used for better evaluation. the results of examining the data collected using deep learning techniques indicated that the combined model with a lower rmse error than the gru model predicted the value of the company.