طراحی مدلی جهت پیش بینی ارزش گذاری معاملات بلوکی با تاکید بر شبکه عصبی مصنوعی GRU در صنایع فلزی خودرو و قطعه سازی و مواد و فرآورده های دارویی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
پیش بینی ارزش گذاری معاملات بلوکی سبب می شود تا بازار بتواند به شیوه ای کارآمد کنترل بر شرکت ها را ارزیابی کند. هدف این پژوهش اندازه گیری شاخص های اثر گذار بر معاملات بلوکی در سه صنعت فعال در بورس اوراق بهادار تهران و میزان تاثیراین شاخص ها بر ارزش گداری معاملات بلوکی با بکارگیری آزمون Rmse بر روی داده هایTest موردمطالعه قرارگرفته است. با بهره گی ری از شبکه عصبی یادگیری عمیق، مدلGru روی صنایعی که تعداد جامعه اش در بورس زیاد است، (صنایع فلزات اساسی :فولاد، خودروو ساخت قطعات :خساپا، مواد ومحصولات دارویی دالبر) ازمجموعه شرکت های پذیرفت ه ش ده درس ازمان ب ورس اوراق بهادارتهران برای دوره زمانی 1390تا1400 استفاده شده است. مدیران صنایع شرکت های پذیرفته شده در بورس اوراق بهادار تهران با آگاهی از چگونگی تاثیر این مدل بر ارزش گذاری معاملات بلوکی می توانند روند تغییرات قیمت سهام بلوکی را کنترل نموده ریسک سرمایه گذاری در شرکت و در نهایت ریسک تأمین مالی را برای شرکت پایین آورند. درسطح تفکیکی صنایع، نتایج تاثیر شاخص های مالی بر ارزش گداری معاملات بلوکی درهرصنعت باصنایع دیگر متفاوت است ک ه بیانگر استقلال صنایع از یکدیگر است.در مدل ارائه شده با اندازه گیری ارزش گذاری معاملات بلوکی به مدیران صنایع در بورس و استفاده کنندگان صاحبان سهام و سهامداران معاملات بلوکی در ارزیابی بهتر قیمت گذاری کمک می کند.Designing a Model for Predicting Valuation of Block Trade Transactions with a Focus on GRU Artificial Neural Network in the Industry
Predicting the valuation of blockTrade transaction allows the market to evaluate control over companies in an efficient manner.In this research, by measuring the indicators affecting block transactions in three active industries in Tehran Stock Exchange During the period of 1390 to the end of 1400, on a daily basis with utilization a deep learning neural network, specifically the GRU model. The study focused on industries with a significant number of market participants, namely basic metals (steel), automotive and parts manufacturing (Khodro), and pharmaceuticals (Darou). The results of the hypothesis testing indicate that, at three industry level, Nine variables significantly affect blockTrade transaction valuation: stock returns, block size, trading volume, company size, price fluctuations, industry returns, market returns, institutional ownership, and market-to-book ratio It affects the valuation of block transactions. At the separate level of industries, the results of the effect of financial indicators on the valuation of blockTrade transaction in each industry are different from other industries, which indicates the independence of industries from each other. The findings of this research will help the managers of industries in the stock market and the users of the valuation indices of blockTrade transactions in better evaluation of pricing.
تبلیغات
