پیش بینی گرایش احساسی سرمایه گذاران با استفاده ازتکنیکهای ماشین بردار پشتیبان(SVM) و درخت تصمیم(DT)
عنوان مقاله: پیش بینی گرایش احساسی سرمایه گذاران با استفاده ازتکنیکهای ماشین بردار پشتیبان(SVM) و درخت تصمیم(DT)
شناسه ملی مقاله: JR_FEJ-11-45_024
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_FEJ-11-45_024
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
رضا تقوی - گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران
ایمان داداشی - گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران
محمدجواد زارع بهنمیری - گروه حسابداری، دانشکده مدیریت، دانشگاه قم، قم، ایران
حمیدرضا غلام نیا روشن - گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران.
خلاصه مقاله:
رضا تقوی - گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران
ایمان داداشی - گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران
محمدجواد زارع بهنمیری - گروه حسابداری، دانشکده مدیریت، دانشگاه قم، قم، ایران
حمیدرضا غلام نیا روشن - گروه حسابداری، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران.
گرایشهای احساسی سرمایهگذاران بیانگر حاشیه میزان خوشبینی و بدبینی سهامداران نسبت به یک سهم میباشد. احساسات سرمایهگذاران تحت تاثیر پدیدههای روانشناختی، به رفتار افراد جهت میبخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی میشوند. هدف از انجام این پژوهش، بکارگیری روشهای فراابتکاری جهت پیشبینی گرایشهای احساسی سرمایهگذاران است. در این پژوهش با استفاده از 97 نسبت مالی مربوط به176 شرکت پذیرفتهشده در بورس اوراق بهادار تهران طی دوره زمانی 1385 تا1397، اقدام به پیشبینی گرایشهای احساسی سرمایهگذاران با استفاده از تکنیکهای ماشین بردار پشتیبان (SVM) و درخت تصمیم (DT) شده است. برای سنجش گرایش احساسی سرمایهگذاران از 4 شاخص قدرت نسبی، خط روانشناسانه، حجم معاملات و نرخ تعدیل گردش سهام بهره گرفته شده که در نهایت به کمک روش تجزیه و تحلیل مولفههای اساسی (PCA) اقدام به ترکیب این شاخصها نمودهایم. جهت مقایسه روشهای پیشبینی، از مقادیر میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) استفاده شده است. نتایج حاصل از تحلیل دادهها بیانگر آن است که خطای پیشبینی روش ماشین بردار پشتیبان در مقایسه با درخت تصمیم کمتر است.
کلمات کلیدی: گرایش احساسی سرمایه گذاران, نسبت مالی, پیش بینی, ماشین بردار پشتیبان(SVM), درخت تصمیم(DT)
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1146686/