محمد اخلاقی

ریسک و بازده سهام همواره از مهم ترین عوامل در اتخاذ تصمیمات مالی سرمایه گذاران بوده است. از این رو پیش بینی آنها برای سرمایه گذاران و سایر فعالان بازار سرمایه حائز اهمیت بسیار است. هدف پژوهش حاضر به کارگیری تکنیک های داده کاوی در پیش بینی بازده و ریسک سیستماتیک سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. در این پژوهش با استفاده از چهار الگوریتم تحلیل جداساز خطی، الگوریتم تحلیل جداساز غیرخطی، الگوریتم نزدیکترین K همسایگی و درخت تصمیم و به کمک 16 متغیر مستقل به پیش بینی بازده و ریسک سیستماتیک سهام پرداخته می شود. چهار الگوریتم مذکور یک بار با استفاده از کل متغیرهای مستقل و بار دیگر با استفاده از 4 متغیر مستقل  که با استفاده از رویکرد فیلترینگ به عنوان مؤثرترین متغیرها در پیش بینی بازده و ریسک شناخته شده اند، اجرا می شود. سپس صحت پیش بینی چهار الگوریتم در دو حالت (مجموعاً 8 پیش بینی برای بازده و 8 پیش بینی برای ریسک) مقایسه و بهترین الگوریتم انتخاب می گردد. بدین منظور داده های 107 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1380 تا 1392 مورد استفاده قرار گرفته است. نتایج حاصل شده حاکی از این است که در حالت به کارگیری 16 متغیر مستقل الگوریتم تحلیل جداساز خطی بهترین پیش بینی بازده و الگوریتم تحلیل جداساز غیرخطی بهترین پیش بینی ریسک سیستماتیک را به دست می دهد. لیکن در حالت استفاده از متغیرهای مستقل منتخب  الگوریتم تحلیل جداساز غیرخطی بهترین پیش بینی بازده و الگوریتم تحلیل جداساز خطی بهترین پیش بینی ریسک سیستماتیک را ارائه می دهد. به طور کلی استفاده از متغیرهای مستقل منتخب (به جای استفاده از کل متغیرهای مستقل) توان الگوریتم ها در پیش بینی بازده و ریسک سیستماتیک را بهبود می بخشد.