چکیدهیکی از موضوعات اثبات شده در علم روانشناسی، تأثیرگذاری احساسات افراد بر فرآیند تصمیم گیری و قضاوت آنان درخصوص رویدادهای آتی است. به گونه ای که هرگاه افراد دارای احساسات مثبت باشند دست به انتخاب های خوش بینانه و هنگامی که دارای احساسات منفی باشند اقدام به انتخاب های أکثر
چکیدهیکی از موضوعات اثبات شده در علم روانشناسی، تأثیرگذاری احساسات افراد بر فرآیند تصمیم گیری و قضاوت آنان درخصوص رویدادهای آتی است. به گونه ای که هرگاه افراد دارای احساسات مثبت باشند دست به انتخاب های خوش بینانه و هنگامی که دارای احساسات منفی باشند اقدام به انتخاب های بدبینانه می نمایند. لذا گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد.هدف از انجام این پژوهش بکارگیری نسبت های مالی جهت پیش بینی گرایش های احساسی سرمایه گذاران است. برای پاسخ به سوالات پژوهش از داده های مربوط به 97 نسبت مالی متعلق به 176 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1385 تا 1397استفاده شده است. به منظور استخراج نسبت های مالی تأثیرگذار از روش الگوریتم تحلیل مؤلفه همسایگی بهره گرفته شده که در نهایت منجر به انتخاب 7 نسبت گشته است. برای سنجش گرایش های احساسی سرمایه گذاران از 4 شاخص قدرت نسبی، خط روان شناسانه، حجم معاملات و نرخ تعدیل گردش سهام بهره گرفته شده که در نهایت به کمک روش تجزیه و تحلیل مولفه های اساسی اقدام به ترکیب این شاخص ها نموده ایم.نتایج حاکی از آن بوده است که نسبت های درصد تغییرات فروش، سود خالص به دارایی و نسبت تغییرات موجودی به تغییرات فروش تاثیر مثبت و معناداری بر احساسات سرمایه گذاران دارد.
تفاصيل المقالة
چکیده
پیش بینی و درک روشن از رفتار یک پدیده نقش عمده ای در اتخاذ راهبردها و تصمیم گیری ها دارد. توسعه همه جانبه و تعمیق بازار سرمایه به عنوان موتور محرکه توسعه اقتصادی، نیازمند اعتماد عمومی مشارکت کنندگان به کارایی و درستی آن در تعیین قیمت عادلانه اوراق بهادار است. از أکثر
چکیده
پیش بینی و درک روشن از رفتار یک پدیده نقش عمده ای در اتخاذ راهبردها و تصمیم گیری ها دارد. توسعه همه جانبه و تعمیق بازار سرمایه به عنوان موتور محرکه توسعه اقتصادی، نیازمند اعتماد عمومی مشارکت کنندگان به کارایی و درستی آن در تعیین قیمت عادلانه اوراق بهادار است. از سوی دیگر، پیش بینی ارزش شرکت، نوسانات قیمت یا بازدهی سهام اهمیت زیادی در انتخاب پرتفوی، مدیریت داراییها و حتی قیمت گذاری سهام شرکتهایی که تازه وارد بورس میشوند، دارد.
در این پژوهش با استفاده از داده های 159 شرکت طی دوره زمانی 10 ساله شامل 1399-1390 و عوامل موثر بر ارزش شرکت شامل نسبت های مالی، سازوکارهای راهبری شرکتی، عوامل اقتصاد کلان و بازار سهام اقدام به پیش بینی ارزش شرکت شده است. در این پژوهش از دو ساختار روش یادگیری عمیق شامل GRU و BLSTM جهت ارزیابی بهتر استفاده می شود. نتایج حاصل از بررسی داده های گردآوری شده با استفاده از تکنیک های یادگیری عمیق، بیانگر آن بود که مدل ترکیبی با مقدار خطای RMSE کمتری نسبت به مدل GRU ارزش شرکت را پیش بینی کرده است
تفاصيل المقالة
چکیدهپیشبینی ورشکستگی بنگاههای اقتصادی یکی از شاخههای رشته مالی است که در تحقیقات اخیر بیشتر مورد توجه قرار گرفته است بهگونهای که الگوهای ورشکستگی توسعه یافته است. در عمده پژوهشهای صورت گرفته در حوزه پیشبینی عملکرد مالی شرکتها و بهطور خاص، ورشکستگی، تنها به پیش أکثر
چکیدهپیشبینی ورشکستگی بنگاههای اقتصادی یکی از شاخههای رشته مالی است که در تحقیقات اخیر بیشتر مورد توجه قرار گرفته است بهگونهای که الگوهای ورشکستگی توسعه یافته است. در عمده پژوهشهای صورت گرفته در حوزه پیشبینی عملکرد مالی شرکتها و بهطور خاص، ورشکستگی، تنها به پیشبینی و یا مقایسه توان پیشبینی مدلها با استفاده از اطلاعات تاریخی صورتهای مالی پرداخته شده است. از آنجا که در ایران بیشتر از اطلاعات تاریخی حسابداری استفاده شده است هدف اصلی این پژوهش لحاظ نمودن آثار تورم بر روی متغیرهای ورودی در طراحی مدل پیشبینی ورشکستگی میباشد. لذا متغیرها در دو گروه نسبتهای مالی تعدیل شده و تاریخی، در طراحی دو مدل متفاوت دستهبندی شدند، سپس با استفاده از الگوریتم لارس نسبتهای گویاتر تمایز بین شرکتهای ورشکسته و غیرورشکسته، انتخاب گردیدند و در نهایت با بهکارگیری آزمون رگرسیون لاجیت و الگوریتمهای ماشین بردار پشتیبان و نیو بیزین مدل نهایی پیشبینیکننده ورشکستگی شکل گرفت. بدین منظور دادههای50 شرکت پذیرفته شده در بورس تهران براساس ماده 141 قانون تجارت برای حداقل یکسال ورشکستگی را تجربه کرده بودند، بهکارگرفته شد. نتایج این پژوهش اثبات نمود که نسبتهای مالی تعدیل شده بر مبنای شاخص قیمتها پیشبینیکننده مناسبتری برای ورشکستگی شرکتها میباشند همچنین، مدل طراحی شده توسط الگوریتم ماشین بردار پشتیبان با دقت 4/99% و برازش بالاتر نسبت به مدلهای دیگر، پیشبینیکننده مناسبی برای ورشکستگی شرکتها میباشد.
تفاصيل المقالة
گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد. احساسات سرمایه گذاران تحت تاثیر پدیده های روانشناختی، به رفتار افراد جهت می بخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی می شوند. هدف از انجام این پژوه أکثر
گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد. احساسات سرمایه گذاران تحت تاثیر پدیده های روانشناختی، به رفتار افراد جهت می بخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی می شوند. هدف از انجام این پژوهش، بکارگیری روش های فراابتکاری جهت پیش بینی گرایش های احساسی سرمایه گذاران است. در این پژوهش با استفاده از 97 نسبت مالی مربوط به176 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1385 تا1397، اقدام به پیش بینی گرایش های احساسی سرمایه گذاران با استفاده از تکنیک های ماشین بردار پشتیبان (SVM) و درخت تصمیم (DT) شده است. برای سنجش گرایش احساسی سرمایه گذاران از 4 شاخص قدرت نسبی، خط روان شناسانه، حجم معاملات و نرخ تعدیل گردش سهام بهره گرفته شده که در نهایت به کمک روش تجزیه و تحلیل مولفه های اساسی (PCA) اقدام به ترکیب این شاخص ها نموده ایم. جهت مقایسه روش های پیش بینی، از مقادیر میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) استفاده شده است. نتایج حاصل از تحلیل داده ها بیانگر آن است که خطای پیش بینی روش ماشین بردار پشتیبان در مقایسه با درخت تصمیم کمتر است.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications