روانشناسی سرمایه گذاران

در نظریه مالی- رفتاری، تجزیه و تحلیل تأثیر مؤلفه های روانشناسی سرمایه گذاران از جمله نگرش و رفتار آن ها بر تصمیم گیری های سرمایه گذاری می تواند منجر به توزیع عادلانه خدمت به فعالان بازار سرمایه شود. ایجاد چنین عدالتی مستلزم درک رفتارهای تصمیم گیری سرمایه گذاران است. لذا در پژوهش حاضر سعی بر آن شده تا چگونگی شکل گیری روند حجم معاملات در بازار سرمایه ایران که تحت تاثیر باورهای سرمایه گذاران شکل می گیرد را آشکار نماید و با تعریف مفهومی و عملیاتی مؤلفه های مؤثر بر این روند، مدل جامع شکل گیری روند حجم معاملات مبتنی بر مؤلفه های روانشناسی سرمایه گذاران در بورس اوراق بهادار تهران با استفاده از رویکرد شبکه عصبی فازی تدوین گردد. دوره پژوهش از سال 1392 تا 1397 و نمونه آماری متشکل از 138 شرکت پذیرفته شده در بورس اوراق بهادار تهران است. مولفه های روانشناسی پژوهش شامل، منطقی بودن، خوش بینی و بدبینی سرمایه گذاران، زیان گریزی و مونتوم می باشند. یافته های پژوهش حاکی از آن است که به ترتیب بین متغیرهای بدبینی و خوش بینی سرمایه گذاران با روند حجم معاملات رابطه منفی و مثبت معناداری وجود دارد؛ اما بین متغیرهای منطقی بودن سرمایه گذاران، زیان گریزی و مومنتوم با روند حجم معاملات رابطه معناداری وجود ندارد.

در دنیای امروز که داده های مالی و روانشناختی به وفور در دسترس هستند (مانند داده های شبکه های اجتماعی، اخبار اقتصادی و تحلیلی، و روندهای جستجو)، بهره گیری از روش های یادگیری ماشین به عنوان ابزاری قدرتمند برای تحلیل داده های پیچیده و بزرگ، ضروری به نظر می رسد. یادگیری ماشین نه تنها توانایی شناسایی الگوهای پنهان در داده ها را دارد، بلکه می تواند روابط غیرخطی و چندبعدی را با دقت بالا مدل سازی کند. در بازارهای مالی، رفتار سرمایه گذاران نقش قابل توجهی در نوسانات قیمتی و بازده سهام ایفا می کند. پژوهش حاضر به بررسی تأثیر عوامل روانشناسی سرمایه گذاران بر رفتار قیمتی سهام در بورس اوراق بهادار تهران با استفاده از روش های یادگیری ماشین می پردازد. به منظور مدل سازی، شاخص احساسات بازار بر اساس داده های تاریخی از شبکه های اجتماعی، حجم معاملات و تغییرات شاخص کل استخراج شده است. سپس با استفاده از الگوریتم های یادگیری ماشین از جمله جنگل تصادفی، ماشین بردار پشتیبان و شبکه های عصبی مصنوعی، تأثیر احساسات بر نوسانات و بازده سهام تحلیل شده است. نتایج نشان می دهد که احساسات سرمایه گذاران تأثیر معناداری بر رفتار قیمتی سهام دارند و الگوریتم شبکه های عصبی مصنوعی با دقت بالاتری نسبت به سایر روش ها قادر به پیش بینی تغییرات بازده است. یافته های این پژوهش می تواند به تصمیم گیری بهتر سرمایه گذاران و بهبود سیاست گذاری مالی کمک کند.