ارايه مدلي براي نقدشوندگي روزانه سهام در بورس اوراق بهادار تهران

نقدشوندگي مفهومي است كه به روشني قابل تعريف نبوده و تاكنون بيش از 90 معيار مختلف در سراسر جهان براي نقدشوندگي بكار رفته است. پژوهش حاضر با هدف ارايه مدلي بومي براي نقدشوندگي روزانه سهام بر مبناي عوامل موثر بر نقدشوندگي، شكل گرفته است. مقادير 7 عامل غيرسيستماتيك كه قابليت ارزيابي روزانه داشتند، براساس داده‌هاي 151 شركت فعال در بازه زماني 1388 لغايت 1400 استخراج و در قالب دو خوشه افراز شد. با استفاده از معادلات ساختاري با رويكرد حداقل مربعات جزيي، اعتبار متغيرهاي شناسايي‌شده با معيار استخراجي ارزيابي و توان آنها در توضيح‌دهندگي تغييرات آن محاسبه شد. ارزيابي ارتباط متغيرها در مدل‌هاي يادگيري‌ماشيني نشان داد كه قيمت پاياني، ارزش روزانه معاملات، بازده روزانه، واريانس بازده‌هاي روزانه و اندازه شركت بيشترين تاثير را در خوشه‌بندي دارند. سرانجام بهترين مدل يادگيري ماشيني، براساس آموزش و آزمون انتخاب شد. نتايج نشان مي‌دهد متغيرهاي مستقل، بيش از 83 درصد از تغييرات نقدشوندگي را توضيح مي‌دهند. همچنين مدل رگرسيون لجستيك در مقايسه با ساير مدل‌هاي يادگيري ماشيني، توان پيش‌بيني بالاتري داشته و با 99/6 درصد صحت برازش، مناسب‌ترين مدل پيش‌بيني نقدشوندگي است.