مدل های خطی

یکی از مباحث چالش برانگیز در حوزه مالی و حسابداری ایجاد تعادل بین بازده و ریسک می باشد. بنابراین، شناسایی روندهای حرکتی بازده سهام جهت پیش بینی آن در آینده برای بازار حائز اهمیت است. اگرچه تمرکز بیش تر پژوهش ها در زمینه تغییرات بازده سهام مبتنی بر بکارگیری مدل های خطی بوده است اما شواهد اندکی در رابطه با این موضوع وجود دارد که نوسان بازدهی سهام ممکن است از الگوهای غیرخطی نیز پیروی نماید. به همین جهت، این پژوهش درصدد است تا به مقایسه قدرت توضیح دهندگی مدل های خطی و غیرخطی بازده مورد انتظار سهام بپردازد. در این راستا، اطلاعات مربوط به 102 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1388 تا 1398 مورد تجزیه و تحلیل قرار گرفته است. نتایج بیانگر این است که در بین مدل های خطی، ضرایب متغیرهای بازار، اندازه و ارزش در مدل کارهارت بالاتر از ضرایب سایر مدل های مورد استفاده بوده است. نتایج مربوط به برآورد مدل های غیرخطی نشان داد که مدل های خود توضیحی آستانه ای نسبت به مدل های انتقال هموار لجستیک از ضرایب بالاتر برخودار هستند. همچنین با استفاده از آزمون همسانی مقایسه میانگین ها، نتایج بیانگر این بوده است که مدل غیرخطی خود توضیحی آستانه ای مبتنی بر حجم معاملات (TARVOL) کم ترین خطای استاندارد میانگین را داشته است که نتیجه بیانگر دقت بیش تر این مدل در تبیین بازده سهام می باشد. نتایج آزمون مدل کارهارت نشان می دهد که ضریب متغیر عامل بازار 1.2 و از لحاظ آماری معنادار است. لذا به ازای یک واحد تغییر در عامل بازار، بازده اضافی سهام به میزان 1.2 در جهت مستقیم تغییر می یابد.

یکی از مباحث چالش برانگیز در حوزه مالی و حسابداری ایجاد تعادل بین بازده و ریسک می باشد. بنابراین، شناسایی روندهای حرکتی بازده سهام جهت پیش بینی آن در آینده برای بازار حائز اهمیت است. اگرچه تمرکز بیش تر پژوهش ها در زمینه تغییرات بازده سهام مبتنی بر بکارگیری مدل های خطی بوده است اما شواهد اندکی در رابطه با این موضوع وجود دارد که نوسان بازدهی سهام ممکن است از الگوهای غیرخطی نیز پیروی نماید. به همین جهت، در این راستا، اطلاعات مربوط به 102 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1388 تا 1398 مورد تجزیه و تحلیل قرار گرفته است. نتایج مربوط به برآورد مدل های غیرخطی نشان داد که مدل های خود توضیحی آستانه ای نسبت به مدل های انتقال هموار لجستیک از ضرایب بالاتر برخودار هستند. همچنین با استفاده از آزمون همسانی مقایسه میانگین ها، نتایج بیانگر این بوده است که مدل غیرخطی خود توضیحی آستانه ای مبتنی بر حجم معاملات (TARVOL) کم ترین خطای استاندارد میانگین را داشته است که این نتیجه بیانگر دقت بیش تر این مدل در تبیین بازده سهام می باشد. نتایج آزمون مدل کارهارت نشان می دهد که ضریب متغیر عامل بازار 1.2 و از لحاظ آماری معنادار است. به بیان دیگر به ازای یک واحد تغییر در عامل بازار، بازده اضافی سهام به میزان 1.2 در جهت مستقیم تغییر می یابد. بنابراین، هر چه میانگین بازده بازار نسبت به بازده بدون ریسک به عنوان معیار عامل بازار بیش تر باشد، بازده اضافی سهام نیز افزایش می یابد.

اطلاعات مربوط به سود و سود پیش بینی شده هر سهم معیارهایی هستند که از دیدگاه بسیاری از استفاده کنندگان با اهمیت تلقی می شوند؛ لذا شرکت ها برای جذب سرمایه گذاران تلاش می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. از سوی دیگر، علی رغم روش های متعدد پیش بینی سود، پیش بینی دقیق سود هر سهم در حوزه مالی کار چندان آسانی نیست و اغلب پژوهشگران درصدد تعیین بهترین روش برای پیش بینی سود هستند؛ بنابراین، هدف اصلی این پژوهش بررسی دقت ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک نسبت به روش های متداول خطی در پیش بینی سود هر سهم است. بدین منظور، نمونه ای متشکل از 100 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1387-1398 بررسی شده است. در راستای دستیابی به اهداف پژوهش، ابتدا با مطالعه پژوهش های پیشین در حوزه پیش بینی سود 14 نسبت مالی اثرگذار بر پیش بینی سود انتخاب شده است. سپس، به منظور ارائه مدلی در زمینه پیش بینی سودآوری شرکت ها، به مقایسه مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک، ماشین بردار پشتیبان و رگرسیون خطی پرداخته شده است. نتایج پژوهش نشان داد مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک در پیش بینی روند حرکتی سود هر سهم بسیار بهتر عمل کرده و در مقایسه با مدل ماشین بردار پشتیبان بر اساس توابع کرنلی و روش رگرسیون خطی از دقت بالاتری برخوردار است. به گونه ای که با توسعه مدل ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک خطای آموزش مدل به مقدار 036/0 کاهش و بر دقت مدل تا 75 درصد افزوده می شود.