طراحي و تبين مدل نقد شوندگي سهام با توان رقابت بازار محصول براساس رويكرد تطبيقي مدل اقتصادسنجي و منطق فازي

Design and Explain Stock Market Liquidity Model of Product Market Competition Based on Adaptive Econometric Model and Fuzzy Logic Approach

يكي از ريسك هاي مربوط به سهام شركت، نقد شوندگي سهام است. سهام داراي نقد شوندگي بالا براي سهامداران و سرمايه گذاران جذاب بوده و تقاضاي آن را افزايش مي دهد.نقد شوندگي سهام به عنوان يكي از معيارهاي موثر بر كارايي بازار، به خصوص به لحاظ اطلاعاتي است و به شكل گسترده در بررسي عوامل موثر بر ارايه اطلاعات مفيد به كار گرفته مي شود. در اين پژوهش به طراحي و تبين مدل نقد شوندگي سهام با توجه به مولفه رقابت محصول پرداخته شد. براي انتخاب نمونه، تمام شركت هاي پذيرفته شده در بورس اوراق بهادار تهران از سال 1386 تا سال 1397 بررسي شده است .ده متغير اصلي تاثيرگذار بر نقد شوندگي وارد مدل پژوهش شدند و فرضيه هاي پژوهش با استفاده از مدل رگرسيوني مورد آزمون قرار گرفت، سپس از طريق آموزش و يادگيري در شبكه عصبي فازي كه يك روش پژوهش تحليلي- رياضي است، مدل نقدشوندگي سهام ارايه گرديد. پيش بيني حاصل از شبكه عصبي فازي بدليل روش جستجوي فراگير از دقت بالايي برخوردار و مدل نهايي با ضريب تعيين تعديل شده 77 درصد تاييد گرديد. بر اساس نتايج بدست آمده، نقدشوندگي به پنج عامل تاثيرگذار شامل بازده سهام، اندازه شركت، فرصت سرمايه گذاري، شاخص هرفيندال هيرشمن، شاخص لرنر بستگي دارد.

One of the risks associated with a company's stock is liquidity. Stock with high liquidity are attractive to shareholders and investors and increase demand. Stock liquidity is one of the most effective measures of market efficiency, especially in terms of information and is widely used in examining the factors affecting the supply of useful information. in this study, we designed and explained the stock liquidity model with respect to the product competition component. To select the sample, all companies listed in Tehran Stock Exchange from 2007 to 2019 are surveyed. not eligible were removed. Ten main variables affecting liquidity based on previous research were entered into the research model and the hypotheses were tested using regression model. Then, stock liquidity model was introduced through teaching and learning in Fuzzy neural network, which is an analytical-mathematical research method. The prediction obtained from fuzzy neural network is very accurate due to the comprehensive search method and the final model is confirmed with adjusted coefficient of determination of 77%. According to the results, liquidity depends on five influential factors including stock return, firm size, investment opportunity, Herfindahl Hirschman index and Lerner index