چکیدهبراساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگیهای خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیشبینی شوک، میتواند بر تصمیمات سرمایهگذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس دادههای مرتبط با 140 ش چکیده کامل
چکیدهبراساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگیهای خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیشبینی شوک، میتواند بر تصمیمات سرمایهگذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس دادههای مرتبط با 140 شرکتها اقدام به پیشبینی شوک قیمتی سهام با تأکید بر نسبتهای مالی شده است. بهمنظور انتخاب متغیرهای بهینه از مجموعه 96 متغیر، از دو الگوریتم تکاملی بهینهسازی ازدحام ذرات و الگوریتم ژنتیک استفادهشده است. پس از بهکارگیری الگوریتمهای ذکرشده درنهایت 8 متغیر تأثیرگذار بر شوکهای دائم و موقت استخراج گردید که در مدل رگرسیونی باقیمانده مستحکم در تحقیق تأثیر آنها بر متغیر پیشبینی شونده شوک بررسی گردید. نتایج حاصل از RSME مدلهای بررسیشده بهترتیب برای شوک دائم (الگوریتم ژنتیک)، شوک دائم (الگوریتم تکاملی بهینهسازی ازدحام ذرات)، شوک موقت (الگوریتم ژنتیک) و شوک موقت (الگوریتم تکاملی بهینهسازی ازدحام ذرات)، 5.8433، 5.6284، 7.537 و 7.295 میباشد. همانطور که مشاهده میشود RSME در شوک دائم براساس الگوریتم ژنتیک، بیشتر از RSME مدل شوک دائم براساس الگوریتم تکاملی بهینهسازی ازدحام ذرات میباشد. همچنین در مدل شوک موقت براساس الگوریتم ژنتیک RSME مدل، بیشتر از RSME مدل شوک موقت براساس الگوریتم تکاملی بهینهسازی ازدحام ذرات میباشد. بنابراین میتوان بیان نمود که رگرسیون برآورد شده بر اساس متغیرهای انتخابی از الگوریتم تکاملی بهینهسازی ازدحام ذرات دارای RSME پایینتر بوده و قدرت پیشبینیکنندگی بهتری نسبت به متغیرهای انتخابی از الگوریتم ژنتیک دار
پرونده مقاله