دستکاری اوراق بهادار

یکی از مهمترین چالشها و معضلات بازار سرمایه، دستکاری اوراق بهادار است. دستکاری اوراق بهادار نه تنها قیمتگذاری صحیح داراییها را با مشکل همراه میسازد بلکه سبب ایجاد خدشه در اعتماد سرمایه گذاران میگردد. لذا طراحی و استفاده از ابزارهای هوشمند نظارتی جهت شناسایی دستکاری قیمتی از اهمیت ویژهای برخوردار است. هدف از انجام این پژوهش ارائه مدلی مبتنی بر روش های یادگیری عمیق جهت شناسایی تخلف فروش پس از القای روند میباشد. برای این منظور در ابتدای امر بر اساس هشدار نظارتی طراحی شده در سامانه نظارتی سازمان بورس و اوراق بهادار و بررسی موارد مشکوک، دادههای برچسبدار تخلف تولید شده است. در ادامه با استفاده از شبکه متخاصم مولد، مشکل عدم توازن داده ها رفع شده و با استفاده از مدلهای شبکه عصبی پرسپترون چند لایه، شبکه عصبی بازگشتی، شبکه عصبی حافظه طولانی-کوتاه مدت و شبکه تابع پایه شعاعی به شناسایی دستکاری قیمتی پرداخته شده است. نتایج بررسی نشان میدهد مدلهای شبکه حافظه طولاتی-کوتاه مدت و شبکه عصبی بازگشتی با امتیاز F2 بالای 92% از عملکرد مناسبی در شناسایی دستکاری قیمتی برخوردار بوده و دارای قابلیت پیادهسازی در فرآیندهای نظارتی و تحقیقات آتی سایر حوزه های شناسایی تخلف می باشد.