fa رتبه‌بندی سهام‌ شرکت‌های بورس اوراق بهادار تهران بر اساس مدل ترکیبی درخت تصمیم و رگرسیون لجستیک قیمت‌ها، نوسانات تجاری و چرخه‌ها (E3) Prices, Business Fluctuations, and Cycles (E3) مطالعه تجربی Empirical Study 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. Much research has introduced linear or nonlinear models using statistical models and machine learning tools in artificial intelligence to estimate Iran's rate of return. The primary purpose of these methods is simultaneously use different independent variables to improve stock return rates' modeling. However, in predicting the rate of return, in addition to the modeling method, the degree of correlation of the independent variables with each other and, consequently, the biased increase of the model estimators is of particular importance. Hence, in this paper, we perform a concurrent model of decision tree and logistic regression with affective variables simultaneously and then make a nonlinear model of return rate. To evaluate the proposed model, information of 100 companies admitted to the stock exchange during the period 2011 to 2018 is considered. The results of our study show that the proposed hybrid algorithm performs better than competing models. رتبه‌بندی سهام‌, درخت تصمیم, رگرسیون لجستیک, الگوریتم ترکیبی 435 460 http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-1801-1&slc_lang=fa&sid=1 Zahra Nikkhah bahrami زهرا نیکخواه بهرامی z.nikkhahbahrami@yahoo.com 100319475328460010826 100319475328460010826 Yes PhD Candidate of Financial Management, Department of Financial Management, Faculty of Management, Tehran University, Tehran, Iran دانشجوی دکتری مدیریت مالی، گروه مدیریت مالی و بیمه، دانشکدهٔ مدیریت، دانشگاه تهران، تهران، ایران Reza Tehrani رضا تهرانی rtehrani@ut.ac.ir 100319475328460010827 100319475328460010827 No Professor of department of financial management and insurance, Faculty of Management, University of Tehran, Tehran, Iran استاد، گروه مدیریت مالی و بیمه، دانشکدهٔ مدیریت، دانشگاه تهران، تهران، ایران