سنجش دستکاری قیمت ها با استفاده از مدل های تحلیل ممیزی درجه دوم و الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی
محورهای موضوعی : دانش مالی تحلیل اوراق بهادارمحمدحسین پوست فروش 1 , علیرضا ناصر صدرآبادی 2 , محمود معین الدین 3
1 - دانش آموخته کارشناسی ارشد رشته حسابداری دانشگاه آزاد اسلامی واحد یزد
2 - استادیار دانشگاه یزد
3 - استادیار دانشگاه آزاد اسلامی واحد یزد
کلید واژه: دستکاری قیمت بازار, تحلیل ممیزی درجه دوم, الگوریتم ژنتیک, شبکه عصبی مصنوعی,
چکیده مقاله :
در این مقاله از مدل تحلیل ممیزی درجه دوم ) QDF ) 1 و مدل هیبریدی الگوریتم ژنتیک بر مبنای شبکهعصبی مصنوعی ) ANN-GA ) 2 برای تخمین دستکاری قیمت سهام در بورس اوراق بهادار تهران استفاده شدهاست. در این تحقیق، ابتدا با استفاده از روش غربالگری، نمونه ای به حجم 543 شرکت پذیرفته شده در بورساوراق بهادار تهران انتخاب و اطلاعات مربوط به شاخص های قیمت و بازده نقدی ) TEDPIX (، قیمت پایانی،نوسان قیمت پایانی و حجم معاملات در بازه زمانی سال های 1531 تا 1531 گردآوری گردید. سپس بابه کارگیری آزمون وابستگی دیرش و آزمون سلسله و با استفاده از متغیر قیمت و بازده نقدی، شرکت های منتخببه دو دسته دستکاری قیمت شده و دستکاری قیمت نشده تقسیم شدند. سپس با بررسی نمودار روند تغییراتشاخص قیمت و بازده نقدی و حجم معاملات در مورد شرکت های دستکاری قیمت شده، تاریخ شروع دستکاریقیمت تعیین گردید. در گام بعدی، با استفاده از تابع تحلیل ممیزی درجه دوم ) QDF ( و همچنین الگوریتم ژنتیکبر مبنای شبکه عصبی مصنوعی و با استفاده از متغیرهای قیمت پایانی، نوسان قیمت پایانی و حجم معاملات و بابه کارگیری اطلاعات یک سال قبل از شروع دستکاری قیمت سهام برای شرکت های دستکاری قیمت شده واطلاعات چهار ساله برای شرکت های دستکاری قیمت نشده، مدل هایی برای پیش بینی دستکاری قیمت سهامطراحی گردید. در پایان توانایی پیش بینی مدل ها مورد بررسی قرار گرفت. با توجه به نتایج بدست آمده، تواناییپیش بینی مدل تحلیل ممیزی درجه دوم نسبت به مدل الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی بهترمی باشد.
In this study, Quadratic Discriminant Analysis (QDF) model and the hybrid model of Genetic Algorithm based on Artificial Neural Network)ANN-GA) are used to estimate manipulation of stock prices in Tehran Stock Exchange. In this study, first by using screening data method, a sample of 345 companies listed in Tehran Stock Exchange were selected and then information about the 'TEDPIX' index, closing price, volatility of closing price and trading volume in the timeframe years 1387 to 1391 were collected. Afterwards the selected companies categorized into manipulated and non-manipulated groups by using duration dependence test and run test. Then with scrutiny of the trend of Tedpix's chart and volume chart of the manipulated group, Start of price manipulation is determined. In next step by using Linear Discriminant Function)LDF) ,Quadratic Discriminant Function)QDF) and Genetic Algorithm based Artificial Neural Network and by using closing price, volatility of closing price and trading volume variables and also using information in range one year before starting manipulation group and in range four years for non-manipulation group, designed models for forecasting manipulation. At the end, the prediction ability of the models was examined. According to the results, the prediction ability of QDF model compared to the ANN model is better.
