پیش‌بینی خطر سقوط قیمت سهام با استفاده از الگوریتم ژنتیک و مقایسه با رگرسیون لوجستیک، با تأکید بر نگرش انتخاب ویژگی

پیش‌بینی خطر سقوط قیمت سهام با استفاده از الگوریتم ژنتیک و مقایسه با رگرسیون لوجستیک، با تأکید بر نگرش انتخاب ویژگی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 موزش و پرورش-انشجوی دکتری

2 دانشگاه مازندران

3 دانشگاه مازندرا

چکیده

ریسک سقوط قیمت سهام، شاخصی برای اندازه‌گیری عدم تقارن در ریسک محسوب می‌شود و از اهمیت فراوانی در تحلیل پرتفوی و قیمت‌گذاری دارایی‌های سرمایه‌ای برخوردار است. با توجه به اهمیت ریسک سقوط، پژوهش‌های متعددی به بررسی عوامل موثر بر آن پرداخته‌اند که در تمام آنها از روش‌های سنتی به منظور پیش‌بینی استفاده شده است در حالی‌که در سال‌های اخیر روش‌های نوین فراابتکاری در سایر مباحث مالی به طور گسترده‌ای مورد استفاده قرار گرفته است و نتایج بهتری داشته‌اند. هدف این پژوهش، مدل‌بندی پیش‌بینی خطر سقوط قیمت سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم ژنتیک و مقایسه نتایج با رگرسیون لجستیک می‌باشد. بدین منظور یک فرضیه برای بررسی این موضوع تدوین و داده‌های مربوط به 107 شرکت عضو بورس اوراق بهادار تهران برای دوره زمانی بین سال‌های 1389تا 1395 مورد تجزیه و تحلیل قرار گرفت. ابتدا 14 متغیر مستقل به عنوان ورودی الگوریتم ترکیبی ژنتیک و شبکه عصبی مصنوعی که به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است، وارد مدل گردید و 7 متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم ژنتیک و رگرسیون لجستیک اقدام به پیش‌بینی خطر سقوط قیمت سهام گردید. برای محاسبه خطر سقوط قیمت سهام از معیار دوره خطر استفاده شده است. .نتایج این پژوهش نشان می‌دهدکه مدل مبتنی بر الگوریتم ژنتیک نسبت به رگرسیون لجستیک، برای پیش‌بینی خطر سقوط قیمت سهام توانایی بیشتری دارد. بنابراین فرضیه پژوهش تأیید می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Stock Price Crash Risk of TSE Listed Companies Using the Genetic Algorithm, Comparing with Logistic Regression

نویسندگان [English]

  • serveh farzad 1
  • esfandyar malekian 2
  • hossein fakhari 2
  • jamal ghasemi 3
چکیده [English]

The stock price crash risk is an indicator for measuring risk asymmetry and is of great importance in analyzing portfolios and pricing asset holdings. Considering the importance of the risk of collapse, several studies have examined the effective factors on it, all of which use traditional methods of forecasting, while in recent years, new methods of hypermetricity have been widely used in other financial issues. It has been used and has had better results. The purpose of this research is to model the stock price crash risk of listed companies in Tehran Stock Exchange using the genetic algorithm and compare the results with logistic regression. For this purpose, a hypothesis was developed for the study of this issue and the data of 107 Tehran Stock Exchange listed companies for the period of 2010-2010 were analyzed. First, 14 independent variables were introduced as inputs of the combined genetic algorithm and artificial neural network, which was considered as a feature selection method, and 7 optimal variables were selected. Then, using genetic algorithm and logistic regression, predicted risk Stock price collapse. The risk of falling stock prices has been used to measure the risk period. The results of this study indicate that a genetic algorithm based model is more capable of predicting the stock price crash risk than logistic regression. Therefore, the research hypothesis is confirmed.

کلیدواژه‌ها [English]

  • Algorithm
  • Crash
  • Feature Selection
  • Genetic
  1. آذر، عادل، افسر، امیر(1384) " مدلی برای پیشبینی شاخص قیمت سهام با شبکه عصبی فازی و ترکیبی"، پژوهش‌نامه بازرگانی10(40).
  2. آقاخانی، کیارش، کریمی، عباس(1393). "ارائه یک تکنیک نوین هوشمند جهت پیش‌بینی داده‌های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی"، اولین همایش ملی پژوهش های مهندسی رایانه.
  3. اقبالی، علی، حاجی آقا، حسین، مهدیرجی(1396). " ارزیابی مقایسه‌ای عملکرد توابع شایستگی الگوریتم ژنتیک در رتبه‌بندی مشتریان" مدیریت صنعتی، دوره 9، شماره 2.
  4. افلاطونی، علی(1392). "تجزیه و تحلیل آماری با Eviews در تحقیقات حسابداری مالی، مدیریت مالی و علوم اقتصادی" ،تهران، انتشارات ترمه.
  5. بیات، علی، باقری، زینب(1395)." پیش‌بینی قیمت سهام با استفاده از الگوریتم کرم شب تاب"، دانش مالی تحلیل اوراق بهادار 10(35).
  6. پاریابی, آزاده، زهرا سالمی(۱۳۹۵)." پیش‌بینی قیمت سهام با داده‌های ترکیبی به روش الگوریتم کلونی زنبورعسل"، اولین کنفرانس ملی اقتصاد،مدیریت و حسابداری، اهواز، سازمان صنعت، معدن و تجارت خوزستان- انجمن حسابداری ایران- پارک علم و فناوری خوزستان -انجمن مدیریت ایران، https://www.civilica.com/Paper-EMAC01-EMAC01_205.html
  7. تنانی، محسن، و صدیقی، علیرضا، و امیری، عباس (1394). "بررسی نقش سازوکارهای حاکمیت شرکتی در کاهش ریسک ریزش قیمت سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران"، ،مجله مدیریت دارایی و تامین مالی،(3)4.
  8. دهقان، حامد، کاظم، علی اصغر، عطارزاده، ایمان(1395). "ارائه یک الگوریتم برای تخمین ورشکستگی موسسات مالی با الهام از الگوریتم زنبور عسل" ، فصلنامه پژوهش در علوم، مهندسی و فناوری، 2(1) .
  9. دولو، مریم، حیدری، تکتم(1396). " پیش‌بینی شاخص سهام با استفاده از ترکیب شبکه عصبی مصنوعی و مدل‌های فرا ابتکاری جستجوی هارمونی و الگوریتم ژنتیک"، اقتصاد مالی ،سال یازدهم شماره 40.
  10. سرمد، زهره و همکاران(1384)، "روش‌های تحقیق در علوم رفتاری"، تهران: انتشارات آگاه.
  11. صدرالسادات، لیلا، ستوده نیا، سلمان، امیری، علی( 1396)." بررسی رابطه هموارسازی سود و خطر ریزش قیمت سهام در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران" ، مجله پژوهش‌های جدید در مدیریت و حسابداری،(3)21.
  12. فخاری، حسین، ولی پور خطیر، محمد، موسوی، مائده(1396)." بررسی عملکرد شبکة عصبی بیزین و لونبرگ مارکوات در مقایسه با مدل‌های کلاسیک در پیش‌بینی قیمت سهام شرکت‌های سرمایه‌گذاری"، پژوهش‌ها مالی دوره 19 شماره 2.
  13. کاردان، بهزاد، صالحی، مهدی، قره‌خانی، بیتا، منصوری، مرتضی(1396). " بررسی دقت الگوریتم‌های خطی- تکاملی BBO و ICDE و الگوریتم‌های غیرخطی SVR و CART در پیش‌بینی مدیریت سود"، پژوهش های حسابداری مالی، سال نهم شماره اول.
  14. گرکزمنصور، ابراهیم عباسی، مطهره مقدسی، ( 1389)." انتخاب و بهینه‌سازی سبد سهام با استفاده از الگوریتم ژنتیک بر اساس تعاریف متفاوتی از ریسک"، مدیریت صنعتی ، سال پنجم، شماره 11 .
  15. مشیری، سعید، مروت، حبیب (1384). "پیش‌بینی شاخص کل بازدهی سهام تهران با استفاده از الگوهای خطی و غیر خطی".
  16. مولایی، محمد علی، طالبی، ارش(1389)." بررسی کاربرد الگوریتم ابتکاری – ترکیبی ژنتیک و نلدر- مید دربهینه سازی پورتفووی". جستارهای اقتصادی، 7(14).
  17. نهندی، یونس، و تقی زاده، وحید(1396)." تاثیر پرداخت سود سهام و عدم انتشار اخبار بد بر خطر سقوط قیمت سهام با تاکید بر عدم تقارن اطلاعاتی"، مجله بررسی‌های حسابداری و حسابرسی، (24)1.
  18. موذنی، بیتا، و نهندی، یونس(1395). "ارتباط بین استعداد مدیریتی، کارایی سرمایه‌گذاری و خطر سقوط قیمت سهام"،مجله مدیریت بهره وری، (10)39.
  19. میرقادری، هادی، زندیه، مصطفی(1390)."طراحی یک الگوریتم فراابتکاری جدید بر اساس رفتار توابع ریاضیXCos(x) و tanh(x)"، چشم انداز مدیریت صنعتی، شماره 2.
  20. مشیری، سعید، و مروت، حبیب (1384). "پیش‌بینی شاخص کل بازدهی سهام تهران با استفاده از الگوهای خطی و غیر خطی".
  21. هرچگانی، مائده، چاشمی، علی، معماریان، عرفان(1393). " بهبنه‌سازی سبد سهام بر اساس حداقل سطح پذیرش ریسک کل و اجزای آن با استفاده از روش الگوریتم ژنتیک"، فصلنامه دانش سرمایه گذاری، سال سوم، شماره یازدهم.
  22. واعظ، علی، باغی، محسن، نیک کار، جواد، کاویانی، مریم(1394)." بهینه‌سازی مدل پیش‌بینی حق‌الزحمه حسابرسی با استفاده از سود و جریان‌های نقد عملیاتی با رویکرد رگرسیون حداق مربعات، شبکه‌های عصبی مصنوعی و الگوریتم ژنتیک" دانش حسابرسی، سال چهارم،شماره 58.

 Armano, G., marchesi, A., & Murru, A. (2005). "A  hybrid genetic-neural architecture for stock indexes forecasting". Information sciences, ,3)33(.

  1. Bleck A., Liu, X. (2007). "Market Transparency and the Accounting Regime", Journal of Accounting Research, 45.
  2. Blanchard, O. J. & Watson, M. W. (1982). "Bubbles, Rational Expectations, and Financial Markets, in Paul Wachtel, ed"., Crises in Economic and Financial Structure. Lexington MA: Lexington Books.
  3. Bradshaw, Mark, T., Hutton, Marcus,Alan J.,& Tehranian, Hassan (2010).  "Opacity;Crash Risk and Option Smirk Curves". Boston College;
  4. Callen, J. L., and Fang, X. (2013). "Institutional Investor stability and Crash Risk: Monitoring or Expropriation?". Journ al of Banki ng & Finance, 37(8(.
  5. Chang, T., Meade, N., Beasley, J., & Sharaiha, Y.(2000). "Huristics For Cardinality Constrained Portfolio Optimisation". Comput Operation Research,    ,1271-1302.
  6. Chen, J., Hong,H.,  Stein,J.C. (2001). "Forecasting crashes: trading volume, past returns, and conditional skewness in stock prices". Journal of financial Economics, 61(3(..
  7. Cao, C., Xia, C. & Chan, K.C. (2016). "Social trust and stock price crash risk: Evidence from China". International Review of Economics and Finance,
  8. 46, 148-165.
  9. Campbell, J.Y., Hentschel, L. (1992). "No news is good news: An asymmetric model of changing volatilityin stock returns". Journal of Financial Economics, 31.
  10. French, Kenneth R., Schwert, G. William and Stambaugh, Robert F. (1987). "Expected Stock Returns and Volatility". Journal of Financial Economics, 19.
  11. Gocüken, M. & Ozcüalõcõ, M. & Boru, A. & Dosdogùru, A. (2016). "Integrating Metaheuristics and ArtiÞcial Neural Networks for improved Stock Price Prediction", Expert Systems With Applications, doi: 10.1016/j.eswa.
  12. Hutton, A.P., Marcus, A.J,& Tehranian, H. (2009)." Opaque financial reports, R2, and crash risk". Journal of Financial Economics 94, 67-86.
  13. Holland J.H) 1975)Adaptation in Natural and Artificial Systems. The University of MichiganPress.
  14. Habib, Ahsan Hasan, , Mostafa Monzur.( 2017). "Business strategy, overvalued equities, and stock price crash risk", Research in International Business and Finance,39.
  15. Jin, L. & Myers, S.C. (2006)." R2 around the world: New theory and new tests". Journal of financial Economics ,79(2.
  16. Kim, J.-B., Li, Y., Zhang, L. (2011a). "Corporate TAX avoidance and stock price crash risk: Firm-level analysis". Journal of Financial Economics, forthcoming.
  17. Kim, J.-B., and L. Zhang. (2016). "Accounting conservatism and stock price crash risk: Firm-level evidence". Contemporary Accounting Research(forthcoming.(
  18. Kim, J.B., Luo, L. & Xei, H. (2016). "Dividend Payments and Stock Price Crash Risk, available in": www.ssrn.com.     
  19. Khan, M. & Watts, R.L. (2009). "Estimation and empirical properties of a firm-year measure of accounting conservatism". Journal of Accounting and Economics (48(.
  20. Lazaridis I, Tryfonidis D. (2006). "The Relationship between Liquidity Management and Profitability of Listed Companies in the Athens Stock Exchange". University of Macedonia, Department of Accounting & Finance: 1-5.
  21. Koonce, L., McAnally, M., M. Mercer(2005)." How do Investors Judge the Risk of Derivative andNon-derivative Financial Items?". The Accounting Review, ( 80(.
  22. Liang, D., Tsai, C.-F., & Wu, H.-T, (2015),"The Effect of Feature Selection on Financial Distress Prediction", Knowledge-Based Systems, No.73.
  23. Li, X., Wang, S. S. & Wang, X. (2017). "Trust and stock price crash risk: Evidence from China" Journal of Banking and Finance 76.

 

  1. White, h.(1988)." Economic prediction using neuralnetwork:The case  of  IBM  daily stock returns". IEEE International conference on Neural Networks, San Deigo, ( 2(