تبيين و ارائه مدلي براي پيش‌بيني نقدشوندگي سهام در بورس اوراق بهادار تهران

هدف: پژوهش حاضر با شناسايي عوامل مؤثر بر نقدشوندگي، مدلي براي پيش‌بيني وضعيت نقدشوندگي سهام، در بازار اوراق بهادار تهران ارائه كرده است. روش: 23 عامل مشخص‌شده در مطالعات كتابخانه‌اي، بر اساس داده‌هاي 154 شركت فعال در فاصله زماني 1388 تا 1398 استخراج و در قالب دو خوشه افراز شد. با استفاده از معادلات ساختاري با رويكرد حداقل مربعات جزئي، اعتبار متغيرهاي شناسايي‌شده با معيار حاصل از خوشه‌بندي ارزيابي شد. يافته‌ها: ارزيابي ارتباط متغيرها در مدل‌هاي يادگيري ‌ماشيني نشان داد كه جريان نقدي غيرعادي، هزينه اختياري غيرعادي، خطاي تخمين اقلام تعهدي، تفاوت بين سرمايه در گردش تحقق يافته و موردانتظار، سهام شناور آزاد، دوره تصدي حسابرس، حق‌الزحمه حسابرسي، سهم بازار حسابرس، محافظه‌كاري و تغيير حسابرس، در خوشه‌بندي بيشترين تأثير را دارند. سرانجام بهترين مدل يادگيري ماشيني، بر اساس آموزش و آزمون انتخاب شد. نتيجه‌گيري: نتايج نشان مي‌دهد كه متغيرهاي مستقل، بيش از 72 درصد از تغييرات نقدشوندگي را توضيح مي‌دهند. همچنين مدل شبكه‌هاي عصبي در مقايسه با ساير مدل‌هاي يادگيري ماشيني، توان پيش‌بيني بيشتري دارد و با 99/32 درصد صحت برازش، مناسب‌ترين مدل پيش‌بيني نقدشوندگي است.