پیش‌بینی ارتباط بین بازده سهام و عدم تقارن اطلاعاتی با استفاده از شبکه-های عصبی مصنوعی

با توجه به اهمیت­ بازده در مطالعات سرمایه­گذاری، برآورد رابطه­ی آن با عدم تقارن اطلاعاتی از مسائل مهم و ضروری است. تغییرات زمانی بازده، عدم کفایت مطالعات صورت گرفته و وجود عوامل تاثیرگذار بر میزان بازده سهام باعث توسعه­ی روش­های نوین و هوشمند در تخمین و برآورد بازده سهام شرکت­های بورسی شده است. هدف از این تحقیق پیش­بینی بازده سهام با استفاده از عدم تقارن اطلاعاتی با رویکرد شبکه­های عصبی مصنوعی است. متغیر مستقل در این تحقیق عدم تقارن اطلاعاتی و متغیر وابسته بازده سهام بوده است. به همین منظور، متغیرهای مربوط برای 100 شرکت بورسی و به مدت 6 سال گرد­آوری شده است. خروجی­های حاصل از تخمین شبکه­های عصبی مصنوعی و نتایج حاصل از تخمین با استفاده از این روش، با معیارهای ارزیابی (99/0=R، 064/0= MSEو 21/0=MAE) بوده است. با در نظر گرفتن مقدار تصادفی (50 درصد) و مقایسه آن با 99/0=R،ارتباط معنادار بین متغیر عدم تقارن اطلاعاتی و بازده سهام مشاهده می­شود. همچنین، شبکه مزبور دارای کمترین خطا (064/0= MSEو 21/0=MAE) نسبت به دیگر شبکه­های طراحی شده است.