بررسی مقایسه‌ای دقت پیش‌بینی مدل‌های ماشین بردار پشتیبان، شبکه بیزین و سی‌فایو در پیش-بینی قیمت‌گذاری کمتر از واقع شرکت‌های پذیرفته شده در بورس اوراق بهادار و فرابورس

پژوهش‌های پیشین در زمینه عملکرد کوتاه‌مدت عرضه عمومی اولیه، بیانگر این واقعیت است که سهام تازه عرضه شده در کوتاه‌مدت، عملکرد بهتری نسبت به بازار دارد. مدل‌های آماری توانسته‌اند پیش‌بینی‌های خوبی در مورد عملکرد این‌گونه سهام ارائه دهند ولی مفروضات محدودکننده برخی از این مدل‌ها بر اثربخشی‌شان موثر بوده است. بنابراین، روش‌های دیگری برای مقابله با این محدودیت‌ها و بهبود پیش‌بینی‌ها معرفی شدند. از آن‌جایی که عرضه عمومی اولیه موضوع بااهمیتی در بازار سرمایه است، در این پژوهش به بررسی مدل‌های طبقه‌بندی مختلف برای دست‌یابی به مدلی که از کارایی و دقت بالایی در پیش‌بینی قیمت‌گذاری کمتر از واقع سهام عرضه عمومی اولیه برخوردار است، پرداخته شد. به‌منظور دست‌یابی به این هدف، ۸۴ شرکت بورسی و ۵۴ شرکت فرابورسی طی سال‌های 1382 تا 1396 به‌روش حذف سیستماتیک جهت تحلیل در نظر گرفته شد. نتایج نشان داد که مدل‌های ماشین بردار پشتیبان، شبکه بیزین و سی‌فایو از دقت بالایی در پیش‌بینی قیمت‌گذاری کمتر از واقع برخوردارند. همچنین نتایج نشان داد که متغیرهای مهم تاثیرگذار شامل رشد دارایی‌ها، دوره تصدی حسابرس، تخصص حسابرس در صنعت، نسبت فعالیت‌های تامین‌مالی، نسبت قیمت به سود هرسهم، بازده دارایی‌ها، نسبت فعالیت‌های عملیاتی، اندازه موسسه حسابرسی، فرصت‌های رشد و نوسانات قیمت سهام هستند.

Keywords:

عرضه عمومی اولیه , قیمت‌گذاری کمتر از واقع , مدل‌های طبقه‌بندی , یادگیری ماشین