گسسته سازی داده ها

درماندگی مالی و ورشکستگی شرکت ها منجر به هدر رفتن منابع و عدم بهره گیری از فرصت های سرمایه گذاری می شود. پیش بینی درماندگی مالی با ارائه هشدارهای لازم می تواند شرکت ها را نسبت به وقوع درماندگی مالی و ورشکستگی هوشیار نماید تا آنها با توجه به این هشدارها، به اقدام های مناسب دست بزنند. هدف از انجام این پژوهش، مدل بندی پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های بیز است. به این منظور دو مدل با استفاده از شبکه های بیز و یک مدل با استفاده از رگرسیون لوجستیک برای نمونه انتخاب شده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارایه شده است. اولین مدل شبکه ساده بیز که مبتنی بر همبستگی شرطی است می تواند با دقت 90% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی کند. دومین مدل شبکه ساده بیز که مبتنی بر احتمال شرطی است با دقت 93% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی می کند. در نهایت، مدل رگرسیون لوجستیک که یک مدل خطی است می تواند با دقت 90% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی کند.

در این پژوهش روشی مبتنی بر تئوری مجموعه های راف و با استفاده از شاخص های تحلیل تکنیکی جهت پیش بینی قیمت سهام ارائه شده است. تئوری مجموعه های راف دارای مزایای متعددی است که مهمترین مزیت آن در تحلیل داده ها این است که به هیچگونه اطلاعات اضافی اولیه در مورد داده ها نیاز ندارد. در مدل پیشنهادی، تعدادی از شاخص های تکنیکال برای داده های مربوط به بانک صادرات ایران در طول یک سال محاسبه و به عنوان مشخصه های شرطی در جدول تصمیم مورد استفاده قرار گرفته و نوسان قیمت سهام در روز بعد نیز به عنوان مشخصه تصمیم انتخاب می شود. لازم به ذکر است که با استفاده از آنالیز ماتریس همبستگی، شاخص های با بیشترین همبستگی با مشخصه تصمیم انتخاب می گردند. سپس با استفاده از تئوری مجموعه های راف و ترکیب روش های مختلف گسسته سازی داده ها و تولید بی زائده بر اساس داده های یادگیری، قواعد پیش بینی استخراج و قدرت پیش بینی روش های مختلف بر اساس داده های کنترل محاسبه شد. در این مطالعه داده های شش سال متوالی (یعنی 05/05/1388 لغایت 24/04/1394 بانک صادرات مورد استفاده قرار گرفته است. بررسی قدرت پیش بینی این روش و مقایسه بازده حاصل از استفاده از آن و روش خرید و نگهداری، مزیت استفاده از مجموعه های راف را آشکار می نماید. مقایسه نتایج حاصل از اعمال روش ها بر روی داده های مربوطه نشان می دهد که بازده حاصل از استراتژی خرید و نگهداری 33 ریال و بازده حاصل از مدل 182 ریال به ازای هر سهم می باشد. همچنین استفاده از داده های سال های مختلف با روند قیمتی متفاوت به عنوان ورودی مدل و دستیابی به نتایج رضایت بخش، می تواند دلیلی امیدوارکننده برای استفاده از این روش و توسعه آن در پیش بینی قیمت سهام باشد.