داده‌کاوی بازار سهام ایران با مدل‌سازی فیلترینگ شبکه‌های پیچیده: رویکرد MST
محورهای موضوعی : اقتصاد مالی
1 - گروه اقتصاد، دانشگاه فردوسی ،مشهد، ایران
کلید واژه:
چکیده مقاله :
چکیده یکی از مهم ترین مسائل در مالی نوین، یافتن روش های کارآمد برای خلاصه کردن و تجسم داده های بازار سهام است. مدل سازی فیلترینگ شبکه های پیچیده در بازار سهام، این امکان را از طریق کاهش اندازه بازار، با دستیابی به اطلاعات قابل اطمینان و با اختلال کمتر فراهم می آورد. به علاوه، از آن جایی که تغییرات قیمت سهام مستقل از یکدیگر نیستند، مطالعه همبستگی تغییرات قیمت سهام با شبکه های پیچیده، درک بیشتری از عملکرد بازار برای سرمایه گذاران فراهم می نماید. در این مقاله، با استفاده از داده های بازار سهام در بورس اوراق بهادار تهران، شبکه بازار سهام ایران با روش آستانه ایجاد می شود و سپس فیلترینگ شبکه بر اساس می نیمم درخت فراگیر (MST) صورت می گیرد. نتایج نشان می دهد مدل سازی فیلترینگ شبکه بازار سهام ایران بر اساس می نیمم درخت فراگیر، می تواند زیرمجموعه ای از بازار سهام را تشکیل دهد که عملکرد کل بازار را با کاهش قابل توجهی در اندازه دنبال نماید و از درجه تنوع سازی مشابهی با کل بازار برخوردار باشد. نتایج تحقیق دلالت بر این دارد روش حاصل از فیلترینگ شبکه مبتنی بر MST، می تواند مجموعه سهام تقلیل یافته ای را نسبت به کل بازار ارائه دهد که رفتار کل بازار را منعکس می کنند. از این رو، به جای تحلیل داده های کل بازار سهام، می توان رفتار مجموعه سهام حاصل را بررسی نمود. این تحلیل ها امکان بینش عمیق تر ساختار داخلی بازار سهام را ضمن کاهش ابعاد فراهم می نماید
Abstract One of the most important problems in modern finance is finding efficient ways to summarize and visualize stock market data. Modeling the filtering of complex networks in the stock market allows this to be achieved by reducing the market size, obtaining reliable information with less disturbance. Since stock price changes are not independent of each other, the study of the correlation between stock price changes provides a better understanding of market performance for investors. Stock market analysis based on complex networks allows studying the correlation of stock prices. In this paper, using the stock market data in the Tehran Stock Exchange, the Iranian stock market network is created by the threshold method, and then the network filtering is based on MST. The results show that the filtration modeling of Iran's stock market network based on the MST can form a subset of the stock market that follows the performance of the entire market with a significant reduction in size and has a similar degree of diversification with the entire market. These analyzes provide a more in-depth insight into the structure of the stock market while reducing the size.
