پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,692 |
| تعداد مقالات | 72,237 |
| تعداد مشاهده مقاله | 129,206,142 |
| تعداد دریافت فایل اصل مقاله | 102,034,868 |
نمایش دانش سرمایه‌گذاری برحسب بازده در بازار سهام ایران با بهره‌گیری از مدل‌های عصبی عمیق در شرایط نااطمینانی محیطی | ||
| تحقیقات مالی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 18 اسفند 1403 اصل مقاله (2.93 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/frj.2024.370564.1007554 | ||
| نویسندگان | ||
| مریم مرادی1؛ نجمه نشاط* 2؛ محسن سرداری3 | ||
| 1کارشناس ارشد مهندسی مالی، دانشگاه میبد، یزد، ایران | ||
| 2استادیار، گروه مهندسی صنایع، دانشگاه میبد، یزد، ایران | ||
| 3دانشیار، گروه مهندسی کامپیوتر، دانشگاه میبد، یزد، ایران | ||
| چکیده | ||
| هدف: شناخت رفتار بازار سرمایه و سوی‌‌گیری‌های آنها، پیش‌زمینه‌ای برای تحلیل رفتار بازده در زمان وقوع رخدادهای حاکم بر جامعه است. مسائل سیاسی، اقتصادی و اجتماعی روز دنیا به‌راحتی می‌توانند پارامترهای چرخه اقتصاد را تحت‌تأثیر قرار دهد. بازار سهام نیز به‌عنوان بخش مهمی از اقتصاد، از این امر مستثنی نخواهد بود. دقت بالای پیش‌بینی و شناخت نوسانات، اطمینان سرمایه‌گذار را افزایش داده و منجر به تصمیم‌گیری‌های صحیح و به‌موقع برای مدیریت دارایی خواهد شد. شناخت کارآمدترین ابزار برای پیش‌بینی بازده نیز لازمه تحلیل رفتار این بازار می‌باشد. هدف پژوهش حاضر، خوشه‌بندی شرکت‌های موجود در بازار بورس برحسب میزان تأثیرپذیری آنها نسبت به پیشامدهای دوره تحریم با استفاده از روش برتر هوش مصنوعی برای پیش‌بینی می‌باشد. روش: داده‌های بازده هفتگی 200 شرکت فعال در بازار سهام ایران، اطلاعات مربوط به متغیرهای نوع صنعت، اندازه، نقدینگی و سودآوری شرکت‌های منتخب در بازه زمانی 1395 تا 1399 به همراه پیشامدهای سیاسی، اقتصادی و اجتماعی برگزیده در این پژوهش استفاده شده است. در مرحله اول به مقایسه چهار مدل LSTM (Long-Short Term Memory)، DQN (Deep Q Network)، RF (Random Forest) و مدل SVR (Support vector machines) به عنوان مدل‌های برتر یادگیری عمیق و یادگیری ماشین پرداخته شده و در ادامه پیش‌بینی بازده سهام براساس مدل برتر صورت می‌پذیرد. در گام دوم تحلیل حساسیت سناریوهای حاصل از تأثیرپذیری تغییرات بازده نسبت به هر یک از ورودی‌های نوع صنعت، اندازه، نقدینگی و سودآوری شرکت‌ها متغیرها می‌باشد، انجام گردیده و در آخر نیز به خوشه‌بندی نتایج در سه دسته پیشامدهای اقتصادی، سیاسی - اقتصادی و اقتصادی – اجتماعی با استفاده از روش خوشه‌بندی تفکیکی به‌منظور تحلیل دستاوردها پرداخته شده است. یافته‌ها: در راستای مقایسه میان مدل‌های یادگیری عمیق (LSTM , DQN) و یادگیری ماشین (SVR , RF)، LSTM (حافظه‌ی کوتاه‌مدت طولانی) مدل برتر نسبت به سایر مدل‌ها برای پیش‌بینی بازده سهام می‌باشد. نتایج حاصل از خوشه‌بندی نیز طیف وسیعی از تحلیل‌ها را بسته به نیاز، در اختیار سرمایه‌گذاران قرار می‌دهد که می‌تواند مبنایی بر تحلیل روند بازده به هنگام مواجه با رخدادها قرار گیرد. اما به طور کل می‌توان گفت پیشامدهای سیاسی بیشترین تأثیر را بر بازده سهام شرکت‌ها می‌گذارند. پس از آن پیشامدهای اقتصادی و در آخر پیشامدهای اجتماعی کمترین تأثیر را بر بازده سهام شرکت‌ها می‌گذارند. در راستای ارزیابی معیارها نیز به ترتیب معیار اندازه شرکت، نوع صنعت، نقدینگی و در نهایت سودآوری آخرین جایگاه رتبه‌بندی عوامل مؤثر در نوسانات را از آن خود نموده‌اند. نتیجه‌گیری: بازار سهام ایران تحت‌تأثیر اخبار سیاسی، اقتصادی و اجتماعی و همچنین اقدامات و بیانیه‌های دولتی قرار دارد، اما بسته به نوع خبر میزان تأثیرپذیری آنها متفاوت خواهد بود. تأثیر پیشامدها بر بازده سهام به‌صورت مستقیم است و صدق این عبارت که طی وقوع پیشامدهای سیاسی، اقتصادی و اجتماعی، بازده شرکت‌های بورسی بسته به نوع صنعت، اندازه، نقدینگی و سودآوری شرکت‌ها دچار نوسان می‌شوند، تأیید می‌گردد. در این میان پیشامدهای سیاسی بیشترین تأثیر را بر بازده سهام شرکت‌ها داشته و باید موردتوجه فعالان بازار سرمایه قرار گیرند. | ||
| کلیدواژه‌ها | ||
| بازده نسبت به بازار؛ خوشه‌بندی؛ سرمایه‌گذاری مالی؛ مدل‌سازی؛ یادگیری عمیق | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 152 تعداد دریافت فایل اصل مقاله: 21 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب