بررسی مقایسه ای بین مدل ترکیبی الگوریتم ژنتیک- شبکه عصبی مصنوعی (ann-ga) و مدل تابع تفکیکی درجه دوی تعدیل شده (sqdf) برای شناسایی دستکاری قیمت سهام . در شرکت های پذیرفته شده در بورس اوراق بهادار تهران

پژوهش حاضر به بررسی و شناسایی دستکاری قیمت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. این پژوهش مدل ترکیبی از الگوریتم ژنتیک ( ga) و شبکه عصبی مصنوعی ( ann) را برای شناسایی دستکاری قیمت سهام ارائه داده و نتایج آن را با نتایج مدل تابع تفکیکی درجه دوی تعدیل شده ) (sqdf مقایسه کرده است. در مدل ترکیبی الگوریتم ژنتیک_شبکه عصبی مصنوعی ( ann-ga) ابتدا داده های مربوط به 316 شرکت بورسی از ابتدای اولین روز کاری سال 1388 تا پایان آخرین روز کاری سال 1391 به صورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. سپس با استفاده از این اوزان شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس با استفاده از همین داده ها مدل تابع تفکیکی درجه دوی تعدیل شده طراحی و اجرا شد و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ترکیبی الگوریتم ژنتیک_شبکه عصبی مصنوعی با نتایج حاصل از مدل تابع تفکیکی درجه دوی تعدیل شده با استفاده از آماره های اندازه گیری خطای mape ، rmse و r2 با هم مقایسه شدند. نتایج نشان داد که مدل ann-ga ارائه شده، در شناسایی دستکاری قیمت سهام و طبقه بندی شرکت ها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل sqdf داشته و خطای بسیار کمتری دارد.