پیش بینی عوامل تاثیرگذار روی انتقال شرکت های ارزشی دارای سلامت مالی در بورس اوراق بهادار تهران با استفاده از الگوریتم غیرخطی جنگل تصادفی
محورهای موضوعی : دانش سرمایه‌گذاری
مجید رحمانی فیروزجائی
1
,
زاداله فتحی
2
*
,
میرفیض فلاح شمس
3
1 - دانشجوی دکتری مالی- گرایش مهندسی مالی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
2 - استادیار گروه مالی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
3 - دانشیار گروه مالی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه:
چکیده مقاله :
هدف از این کار پژوهشی بررسی عوامل تاثیرگذار روی انتقال(کوچ) شرکت های ارزشی دارای سلامت مالی در بورس اوراق بهادار تهران و ارائه مدلی در این خصوص می باشد. بمنظور اخذ تصمیمات بهتر و همچنین با هدف ایجاد نوآوری، این تحقیق صرفاً روی شرکت هایی صورت گرفت که بر اساس مدل بلک، شولز و مرتون از نظر مالی دارای سلامت مالی می باشند. جامعه آماری این تحقیق کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بین سالهای 1391 تا پایان سال 1397 می باشد. بنابراین همه شرکت های واجدالشرایط در این پژوهش شرکت داده شده اند؛ بطور کلی در این پژوهش از ۷۰۱ شرکت سالم در بین سال های مختلف استفاده شده است.در این راستا ابتداً پرتفوهایی در سال های 1391 تا سال 1397 تشکیل و سپس سهم های ارزشی در بین سال های مختلف شناسایی شده اند. پژوهش حاضر به ارائه مدلی جهت پیش بینی انتقال سهام ارزشی سهام با استفاده از الگوریتم غیرخطی جنگل های تصادفی می پردازد. بر اساس نتایج بدست آمده از پژوهش حاضر ، می توان چنین اذعان نمود که با استفاده از اطلاعات تاریخی ، می توان عواملی را برای مدلسازی انتقال ارزشی شرکت های کوچ کننده در بورس اوراق بهادار تهران پیشنهاد نمود.
The purpose of this research is to investigate the factors affecting the transfer (migration) of value companies with financial health in the Tehran Stock Exchange and provide a model in this regard. In order to make better decisions and also to innovate, this research was conducted only on companies that have financial health based on the Black, Scholes and Merton model. The statistical population of this study is all companies listed on the Tehran Stock Exchange between 2012-2019. So we have used all the eligible companies. Therefore, we have used all the eligible companies; in general, 701 healthy companies have been used in this research. First portfolios were formed in the years 2012 to 2019 and then value shares were identified between different years.The present study provides a model for predicting stock value transfer using a nonlinear algorithm of random forests. Based on the results, it can be acknowledged that using historical information; we can suggest factors for modeling the value transfer.