شناسایی و رتبه بندی عوامل پیش بینی کننده حباب قیمتی سهام: کاربرد رگرسیون لوجستیک و شبکه مصنوعی عصبی
نویسنده:
چکیده:
هدف این تحقیق، شناسایی و رتبه بندی عوامل پیش بینی کننده تشکیل حباب قیمتی سهام در بورس اوراق بهادار تهران است. بدین منظور ابتدا از طریق آزمون های کشیدگی، تسلسل و چولگی وضعیت حبابی بودن قیمت 158 سهم طی دوره ی زمانی 1389 تا 1392 مشخص شد. سپس بر اساس ادبیات پژوهشی، برای پیش بینی حباب از متغیرهای شفافیت اطلاعات، اهرم مالی، نقدشوندگی، نسبت ارزش دفتری به ارزش بازار سهام، p/e، شناوری سهم، مالکیت نهادی و اندازه شرکت استفاده شد. سپس با استفاده از روش رگرسیون لاجستیک تاثیر این متغیرها بر حباب قیمت تایید شد. نتایج تحقیق نشان داد که افزایش در متغیرهای شفافیت، شناوری سهم، نسبت ارزش دفتری به ارزش بازاری، نقدشوندگی سهام، مالکیت نهادی و اندازه شرکت باعث کاهش احتمال حبابی شدن قیمت سهم می شود. پس از آموزش شبکه عصبی با استفاده از داده های درون نمونه، شبکه با اطلاعات برون نمونه ای بهینه شد. در نهایت با استفاده از تحلیل حساسیت متغیرهای مستقل از طریق شبکه عصبی، این متغیرها بر اساس میزان توانایی پیش بینی حبابی شدن قیمت سهم رتبه بندی شدند.
کلیدواژگان:
زبان:
فارسی
صفحات:
75 تا 102
لینک کوتاه:
magiran.com/p1665916
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 990,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!