پيش بيني بازده سهام با استفاده از روش انقباضي LASSO

Stock Return Prediction via LASSO Shrinkage Method

انتخاب متغير، يكي از مراحل مهم در مدل سازي آماري است. براي اين منظور، معمولاً از روش هايي نظير حذف پسرو استفاده مي شود. از آنجايي كه در اين روش ها دو مرحله ي برآورد مدل و انتخاب متغير به طور جداگانه صورت مي گيرد، نتيجه ي حاصل بي ثبات خواهد بود. به همين دليل اخيراً گروه ديگري از روش هاي انتخاب متغير به نام روش هاي انقباضي مطرح شده اند كه در اين بين، LASSO از محبوبيت ويژه اي برخوردار است. در اين تحقيق با استفاده از LASSO در نرم افزار R، مهم ترين متغيرهاي بنيادي حسابداري موثر بر بازده ي سهام شركت هاي پذيرفته در بورس اوراق بهادار تهران در بازه ي زماني 1390-1386، شناسايي مي شوند. براساس يافته هاي تحقيق، بازده ي دارايي ها در تمام سال ها به عنوان يك متغير مهم براي پيش بيني بازده ي سهام برگزيده شد. در مقابل سه متغير سرمايه گذاري ها، حاشيه سود ناخالص و تغييرات نقدينگي در هيچ يك از سال ها، انتخاب نشدند. پيچيده ترين و ساده ترين مدل، مربوط به سال هاي 1388 و 1389 به ترتيب با دو و شش متغير است.

Variable selection is one of the most important steps in statistical modeling. For this purpose, typically backward elimination technique is used. Since in these methods two stage model fitting and variable selection done separately, the results is unstable. Recently, another group of variable selection methods called shrinkage methods have been proposed. Among them, LASSO Enjoys special popularity. In this article, the most important fundamental accounting variables affecting on stock return of listed companies in Tehran Stock Exchange identified by LASSO in R in the period 1386-1390. Based on the findings, the return on assets is selected in all the years. In contrast three variables investment, gross profit margin and changes in equity were not selected in any years. The Simplest and most complex models belong to 1388 and 1389, respectively with two and six variables.