ارایه مدل ارزش گذاری سهام در عرضه های عمومی اولیه با استفاده از مدل عصبی-ژنتیک

محورهای موضوعی : مهندسی مالی

علی رستمی ¹ , عماد فلامرزی ² , سارا فاروقی ³

1 - عضو هیات علمی دانشگاه پیام نور
2 - کارشناس ارشد مدیریت مالی دانشگاه تهران،کارشناس سرمایه گذاری بانک تجارت
3 - کارشناس ارشد مدیریت مالی دانشگاه تهران .کارشناس سرمایه گذاری بانک کارآفرین

تاریخ دریافت : 1396/02/27 تاریخ پذیرش : 1396/06/10 تاریخ انتشار : 1396/10/01

کلید واژه: عرضه عمومی اولیه, (Ipos) الگوریتم ژنتیک, شبکه عصبی, رگرسیون,

چکیده مقاله :

نگاه به تاریخچه بازار بورس حکایت از این نکته دارد که نگرانی عمده شرکت های بورسی در گام نخست برای ورود به بازار سرمایه این است که چه قیمتی برای عرضه عمومی اولیه مناسب بوده و آیا می توانند سرمایه گذاران را برای خرید سهام خود مجاب کنند.در کنار این موضوع ، از نگرانی سرمایه گذاران نیز که قیمت سهام عرضه شده را واقعی یا کاذب تصور کنند، نمی توان گذشت.این پژوهش سعی براین دارد که باا استفاده از روش غیر خطی این معضل را بر طرف نماید. پژوهش حاضر به ارایه مدل قیمت گذاری عرضه عمومی اولیه سهام در بورس اوراق بهادار تهران می پردازد. دوره تحقیق مورد مطالعه از سال 1382 تا 1393 می باشد.جامعه آماری تحقیق 145 شرکت ورودی به بورس اوراق بهادار تهران در این بازه زمانی و نمونه آماری با توجه به شرط عدم سرمایه گذاری بودن شرکت ها و مدوّن بودن بودجه و دسترسی به اطلاعات شرکت، به 103 شرکت تقلیل پیدا کرد. شبکه پیشنهادی یک شبکه چند لایه رو به جلو با بهینه سازی الگوریتم ژنتیک برای متغیر های مورد استفاده در تعیین قیمت سهام شرکت های جدید الورود به بورس می باشد .دوره 12 سااله با انتخاب 12 متغیر تاثیر گذار بر قیمت عرضه عمومی اولیه و 1 متغیر وابسته )قیمت عرضه اولیه(شبکه مناسبی را در قیمت گذاری صحیح نسبت به سایر مدل های خطی بیان شده در این پژوهش ارایه داده است. نتایج حاصل از مدل با استفاده از 4 معیار ارزیابی RMSE,MAE,R-SQUARE,U-THEIL بیانگر قیمت گذاری صحیح مدل پیشنهادی در اکثر موارد می باشد.

چکیده انگلیسی:

Considering stock market history, major concerns in the first phase to enter the capital market is that what the right price for the initial public offering and could they convince investors to buy shares. Besides that, there are also investors concerns about the accuracy of the pricing stocks. This study uses nonlinear method has resolved this issue. Study provides a model pricing initial public offering of shares on the Tehran Stock Exchange. The research period between 1382 to 1393. Research population 145 enterprises entering the Tehran Stock Exchange in this period of time and the sample of study is according to the condition of the Company and continuous investment of funds and access to company data, were reduced to 103 companies. The proposed network is a neural network optimized the genetic algorithm to determine the price of shares of new companies entering the stock exchange.With a choice of 12 variables affecting the price of initial public offerings and one dependent variable (Initial Public Offering price) suitable model to _ pricing than other linear models presented. The results of the fourth measure, RMSE, MAE, R-SQUARE, U-THEIL reflect the correct pricing proposed model, in most cases.