[صفحه اصلی ]   [Archive] [ English ]  
:: سال 13، شماره 45 - ( 9-1399 ) ::
سال 13 شماره 45 صفحات 435-460 برگشت به فهرست نسخه ها
رتبه‌بندی سهام‌ شرکت‌های بورس اوراق بهادار تهران بر اساس مدل ترکیبی درخت تصمیم و رگرسیون لجستیک
زهرا نیکخواه بهرامی1، رضا تهرانی2
1- دانشجوی دکتری مدیریت مالی، گروه مدیریت مالی و بیمه، دانشکدهٔ مدیریت، دانشگاه تهران، تهران، ایران
2- استاد، گروه مدیریت مالی و بیمه، دانشکدهٔ مدیریت، دانشگاه تهران، تهران، ایران
چکیده:   (222 مشاهده)
تاکنون تحقیقات بسیاری در چهارچوب مدل‌های خطی یا غیرخطی و با استفاده از مدل‌های آماری و ابزارهای یادگیری ماشین در هوش مصنوعی برای برآورد نرخ بازده سهام در ایران معرفی شده است. هدف عمدهٔ این روش‌ها استفادهٔ هم‌زمان از متغیرهای مستقل متفاوت برای بهبود مدل‌سازی نرخ بازده سهام است؛ درحالی‌که در فرایند پیش‌بینی‌پذیری نرخ بازده، علاوه بر نحوهٔ مدل‌سازی، میزان همبستگی متغیرهای مستقل با یکدیگر و درنتیجه افزایش اریبی برآوردگرهای مدل نیز از اهمیت ویژه‌ای‌ برخوردار است. ازاین‌رو، در این مقاله بر اساس مدل ترکیبی درخت تصمیم و رگرسیون لجستیک به‌صورت هم‌زمان متغیرهای اثرپذیر را تشخیص داده شده و سپس مدلسازی غیرخطی نرخ بازده انجام شده است. به‌منظور بررسی مدل پیشنهادی، اطلاعات ۱۰۰ شرکت پذیرفته‌شده در بورس اوراق بهادار طی بازهٔ زمانی ۱۳۹۰-۱۳۹۷ در نظر گرفته و بر اساس مدل پیشنهادی، وزن‌های انتخاب پرتفوی بهینه برآورد شده است. نتایج بررسی ما نشان می‌دهد که الگوریتم ترکیبی پیشنهادی، از مدل‌های رقیب بازدهی بهتری دارد.
واژه‌های کلیدی: رتبه‌بندی سهام‌، درخت تصمیم، رگرسیون لجستیک، الگوریتم ترکیبی
متن کامل [PDF 1269 kb]   (97 دریافت)    
نوع مطالعه: مطالعه تجربی | موضوع مقاله: قیمت‌ها، نوسانات تجاری و چرخه‌ها (E3)
دریافت: 1398/8/14 | پذیرش: 1399/9/16 | انتشار: 1400/4/2
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
سال 13، شماره 45 - ( 9-1399 ) برگشت به فهرست نسخه ها
فصلنامه پژوهش‌های پولی-بانکی Journal of Monetary & Banking Research
Persian site map - English site map - Created in 0.04 seconds with 29 queries by YEKTAWEB 4341