پيش‌بيني بازده سهام با تاكيد بر نقش معيارهاي مالي و نظارتي با استفاده از روش‌هاي يادگيري ماشين

مقدمه: پيش‌بيني بازده سهام اگرچه پيچيده است ولي همواره مورد علاقه سرمايه‌گذاران مي‌باشد. سرمايه‌گذاران و تصميم‌گيران جهت پيش‌بيني بازده سهام نيازمند اطلاعات هستند. هدف: اين پژوهش با هدف پيش‌بيني بازده سهام در شركت‌هاي پذيرفته‌شده بورس اوراق بهادار تهران  با تاكيد بر نقش معيارهاي مالي و نظارتي با استفاده از روش‌هاي يادگيري ماشين انجام شد. روش: اين پژوهش از لحاظ هدف كاربردي و به لحاظ نوع مطالعه ميداني- كتابخانه‌اي است. جامعه آماري را شركت‌هاي پذيرفته‌شده بورس اوراق بهادار تهران  طي سال‌هاي 1390 تا 1396 (يك دوره هفت‌ساله) تشكيل دادند و آزمون فرضيه‌ها با استفاده از روش‌هاي يادگيري ماشين (رويكرد خطي و غيرخطي و قانون‌گرا) انجام گرفت. يافته‏ها: نتايج آزمون متغيرگزيني با استفاده از روش Relief-F حاكي از ارتباط معنادار متغيرهاي بازده دارايي، نسبت قيمت به سود هر سهم،كيوتوبين، نسبت وجه‌نقد عملياتي، اهرم مالي و نسبت مالكان نهادي با بازده سهام است. همچنين نتايج نشان داد كه روش‌هاي يادگيري ماشين PINSVR در حالت خطي و غيرخطي و CART توانايي مناسبي (بيش از 90 درصد) جهت پيش‌بيني بازده سهام دارند اما روش غيرخطي  PINSVR و قانون‌گراي CART نسبت به روش خطي قدرت پيش‌بيني بالاتري را نشان داد. نتيجه‏گيري: با توجه به نتايج به‌دست آمده، به صاحبان سرمايه و تصميم‌گيران شركت‌ها توصيه مي‌شود كه در تصميم‌گيري‌هاي خود پيرامون سرمايه‌گذاري در بورس اوراق بهادار تهران از قدرت پيش‌بيني الگوريتم‌هاي هوش مصنوعي به‌ويژه روش‏هاي غيرخطي استفاده كنند.