پیش بینی بازده سهام با استفاده از روش انقباضی LASSO

انتخاب متغیر، یکی از مراحل مهم در مدل­سازی آماری است. برای این منظور، معمولاً از روش­هایی نظیر حذف پسرو استفاده می­شود. از آنجایی که در این روش­ها دو مرحله ی برآورد مدل و انتخاب متغیر به طور جداگانه صورت می­گیرد، نتیجه­ی حاصل بی­ثبات خواهد بود. به همین دلیل اخیراً گروه دیگری از روش­های انتخاب متغیر به نام روش­های انقباضی مطرح شده­اند که در این بین، LASSO از محبوبیت ویژه­ای برخوردار است. در این تحقیق با استفاده از LASSO در نرم­افزار R، مهم­ترین متغیرهای بنیادی حسابداری موثر بر بازده­ی سهام شرکت­های پذیرفته در بورس اوراق بهادار تهران در بازه­ی زمانی 1390-1386، شناسایی می­شوند. براساس یافته­های تحقیق، بازده­ی دارایی­ها در تمام سال­ها به عنوان یک متغیر مهم برای پیش­بینی بازده­ی سهام برگزیده شد. در مقابل سه متغیر سرمایه­گذاری­ها، حاشیه سود ناخالص و تغییرات نقدینگی در هیچ یک از سال­ها، انتخاب نشدند. پیچیده­ترین و ساده­ترین مدل، مربوط به سال­های 1388 و 1389 به ترتیب با دو و شش متغیر است.