پیش بینی شوک منفی قیمت سهام با تاکید بر نسبت های مالی
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 217
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FAAR-14-55_009
تاریخ نمایه سازی: 26 آذر 1401
Abstract:
چکیدهبراساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگی های خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیش بینی شوک، می تواند بر تصمیمات سرمایه گذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس داده های مرتبط با ۱۴۰ شرکت ها اقدام به پیش بینی شوک قیمتی سهام با تاکید بر نسبتهای مالی شده است. به منظور انتخاب متغیرهای بهینه از مجموعه ۹۶ متغیر، از دو الگوریتم تکاملی بهینه سازی ازدحام ذرات و الگوریتم ژنتیک استفاده شده است. پس از به کارگیری الگوریتمهای ذکرشده درنهایت ۸ متغیر تاثیرگذار بر شوکهای دائم و موقت استخراج گردید که در مدل رگرسیونی باقیمانده مستحکم در تحقیق تاثیر آنها بر متغیر پیشبینی شونده شوک بررسی گردید. نتایج حاصل از RSME مدلهای بررسی شده بهترتیب برای شوک دائم (الگوریتم ژنتیک)، شوک دائم (الگوریتم تکاملی بهینه سازی ازدحام ذرات)، شوک موقت (الگوریتم ژنتیک) و شوک موقت (الگوریتم تکاملی بهینه سازی ازدحام ذرات)، ۵.۸۴۳۳، ۵.۶۲۸۴، ۷.۵۳۷ و ۷.۲۹۵ میباشد. همان طور که مشاهده میشود RSME در شوک دائم براساس الگوریتم ژنتیک، بیشتر از RSME مدل شوک دائم براساس الگوریتم تکاملی بهینه سازی ازدحام ذرات میباشد. همچنین در مدل شوک موقت براساس الگوریتم ژنتیک RSME مدل، بیشتر از RSME مدل شوک موقت براساس الگوریتم تکاملی بهینه سازی ازدحام ذرات میباشد. بنابراین می توان بیان نمود که رگرسیون برآورد شده بر اساس متغیرهای انتخابی از الگوریتم تکاملی بهینه سازی ازدحام ذرات دارای RSME پایین تر بوده و قدرت پیش بینی کنندگی بهتری نسبت به متغیرهای انتخابی از الگوریتم ژنتیک دار
Keywords:
Authors
ابراهیم فدایی
گروه حسابداری،واحدبابل،دانشگاه آزاداسلامی،بابل،ایران
محمدجواد زارع بهنمیری
گروه حسابداری،دانشکده علوم اقتصادی واداری،دانشگاه قم،قم،ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :