این مقاله با هدف مواجهه با پدیده همخطی به موضوع داده کاهی متغیرهای مؤثر بر بازده سهام می پردازد. تمرکز این مقاله بر روی روش "تحلیل مولفه های اصلی" است. ابتدا با مطالعه عمیق ادبیات حرفه در داخل و خارج از کشور، 47 متغیر به عنوان متغیرهای مؤثر بر پیش بینی بازده سهام، شناسایی شدند. متغیرهای مذکور برای 68 شرکت واجد شرایط، استخراج و سپس روش "تحلیل مولفه های اصلی" بر روی آن ها اجرا شد. نتایج تحقیق نشان داد می توان با استفاده از این تکنیک از حجم داده های مربوط به پیش بینی سهام کم کرد و همخطی بین متغیرها مذکور را بدون آنکه نیاز به حذف برخی از آن ها باشد از بین برد. به طور خاص پس از اعمال این روش 27 متغیر مؤثر بر بازده سهام، به 5 مؤلفه مستقل تبدیل شدند تا ضمن کم شدن از حجم داده ها، همخطی بین متغیرها نیز اصلاح شود.
Abstract
With the aim to deal with the phenomenon of collinearity between variables affecting stock's returns, this article concerned with Data reduction subject. The focus of the article is on "principal components analysis" method. First with a vast study of national and international literature, 47 variables were identified as the variables affecting stock's return's prediction. These variables extracted for 68 eligible companies and then the method was applied. The results showed by using this technique the volume of initial data set, can be reduced and collinearity between variables; without eliminating some of them; can be resolved. Specifically, after applying these method 27 variables affecting stock's returns converted to 5 principle components and while reducing the volume of data set, the collinearity between them was modified
