سودمندی رگرسیون‌های تجمیعی و روش‌های انتخاب متغیرهای پیش‌بین بهینه در پیش‌بینی بازده سهام

Authors

Abstract:

مقاله حاضر به بررسی سودمندی رگرسیون‌های تجمیعی و روش‌های انتخاب متغیرهای پیش‌بین بهینه (شامل روش مبتنی بر همبستگی و ریلیف) برای پیش‌بینی بازده سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران می‌پردازد. به‌منظور ارزیابی عملکرد رگرسیون تجمیعی، معیارهای ارزیابی (شامل میانگین قدرمطلق درصد خطا، مجذور مربع میانگین خطا و ضریب تعیین) مربوط به پیش‌بینی این روش، با رگرسیون خطی و شبکه‌های عصبی مصنوعی مقایسه شده است. همچنین به منظور ارزیابی عملکرد روش‌های انتخاب متغیرهای بهینه پیش‌بین، معیارهای ارزیابی حاصل از پیش‌بینی با استفاده از متغیرهای انتخاب شده توسط این روش‌ها با معیارهای حاصل از پیش‌بینی با استفاده از کلیه متغیرها مقایسه شده است. یافته‌های تجربی مربوط به بررسی 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران در سال‌های 1383 الی 1392 حاکی از عملکرد بهتر روش تجمیعی نسبت به رگرسیون خطی و شبکه‌های عصبی مصنوعی است. افزون بر این، یافته‌ها حاکی از آن بود که پیش‌بینی با استفاده از متغیرهای انتخاب شده در روش‌های مبتنی بر همبستگی و ریلیف، به طور معناداری عملکرد پیش‌بینی را نسبت به استفاده از کلیه متغیرها افزایش می‌دهد. Abstract Present study investigates the usefulness of ensemble regression and feature selection methods (including correlation-based feature selection and Relief) in predicting stock returns of companies listed on Tehran Stock Exchange. For performance evaluation of ensemble regression, evaluation criteria (including mean absolute percentage error, root mean squared error and coefficient of determination) of this method compared with linear regression and artificial neural networks. Also, for performance evaluation of feature selection methods, evaluation criteria of these methods compared with using all variables. The experimental results of investigating 101 companies listed in Tehran Stock Exchange in 2004-2013 indicate that ensemble regression outperforms the linear regression and artificial neural networks. Furthermore, the results show that selected variables with correlation-based feature selection and Relief result in better prediction in compare with using all variables.   Keywords: Stock Returns Prediction, Ensemble Regression, Feature Selection Methods.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

سودمندی رگرسیون های تجمیعی و روش های انتخاب متغیرهای پیش بین بهینه در پیش بینی بازده سهام

مقاله حاضر به بررسی سودمندی رگرسیون های تجمیعی و روش های انتخاب متغیرهای پیش بین بهینه (شامل روش مبتنی بر همبستگی و ریلیف) برای پیش بینی بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. به منظور ارزیابی عملکرد رگرسیون تجمیعی، معیارهای ارزیابی (شامل میانگین قدرمطلق درصد خطا، مجذور مربع میانگین خطا و ضریب تعیین) مربوط به پیش بینی این روش، با رگرسیون خطی و شبکه های عصبی مصنوعی...

full text

بررسی سودمندی متغیرهای بنیادی و متغیرهای مبتنی بر بازار در تعیین بازده سهام

این تحقیق توان توضیح دهندگی متغیرهای بنیادی را در مقایسه با متغیر های مبتنی بر بازار (شاخص های ریسک) در ارزش گذاری شرکت ها مورد بررسی قرار می دهد. در این مطالعه متغیرهای بنیادی و متغیرهای مبتنی بر بازار با لحاظ ریسک سیستماتیک شرکت مورد آزمون قرار می گیرند. همچنین این مطالعه صحت و اعتبار مدل تک عاملی قیمت گذاری دارایی های سرمایه ای را در محیط اقتصادی ایران مورد بررسی قرار داده است. دوره زمانی تح...

full text

بررسی سودمندی روش غیرخطی رگرسیون بردارهای پشتیبان و روش‌های کاهش متغیرهای پیش‌بین در پیش‌بینی بازده سهام

هدف این پژوهش، بررسی سودمندی روش‌های کاهش متغیرها و روش‌‌ غیرخطی رگرسیون بردارهای پشتیبان، در پیش‌بینی بازده سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران است. با استفاده از روش‌‌های مبتنی بر همبستگی و تحلیل عاملی، متغیرهای بهینه از بین 52 متغیر اولیه، انتخاب یا استخراج شده است. در ادامه، با استفاده از روش‌های غیرخطی رگرسیون بردارهای پشتیبان و شبکه‌های عصبی مصنوعی و همچنین رگرسیون خطی، ب...

full text

بررسی سودمندی انتخاب متغیرهای پیش‌بین در پیش‌بینی نوع اظهارنظر حسابرسان

در اغلب پژوهش‌های انجام‎شده، متغیرهای پیش‌بین بدون ضابطه و فقط براساس مطالعات گذشته انتخاب شده‎اند. فرایند انتخاب متغیرها را می‌توان به‎عنوان مرحلۀ پیش‌پردازش برای حذف متغیرهای نامربوط و اضافه و انتخاب متغیرهای بهینه قبل از ایجاد مدل دانست. در این رابطه، پژوهش حاضر به بررسی سودمندی روش­ انتخاب متغیر مبتنی بر همبستگی برای پیش‎بینی نوع اظهارنظر حسابرسان شرکت­های پذیرفته‎شده در بورس اوراق بهادار ت...

full text

بهینه سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکویتز

هدف از مدیریت پرتفوی انتخاب سبد سهام است، سبد سهامی که راهنمایی سرمایه گذاران برای دستیابی به بیشترین بازده می باشد؛ در این پژوهش جهت انتخاب سبد سهام از الگوریتم پرندگان و مدل مارکویتز استفاده شده است و مقایسه ای نیز بین انها صورت پذیرفته است. معرفی یک مدلی جهت انتخاب پرتفوی برای سرمایه گذاران که بتوانند با ارزیابی ان مدل به انتخاب درست سبد پرتفوی اقدام کنند، از اهداف ما در این پژوهش می باشد.از...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 32

pages  1- 28

publication date 2017-02-19

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023