پیش بینی بازده سهام با استفاده از روش انقباضی LASSO. 1394/06/18

10 / 10
از 1 کاربر

پیش بینی بازده سهام با استفاده از روش انقباضی LASSO

چکیده:

انتخاب متغیر، یکی از مراحل مهم در مدل ­سازی آماری است. برای این منظور، معمولاً از روش­هایی نظیر حذف پسرو استفاده می­شود. از آنجایی که در این روش­ ها دو مرحله ی برآورد مدل و انتخاب متغیر به طور جداگانه صورت می­ گیرد، نتیجه­ ی حاصل بی­ ثبات خواهد بود. به همین دلیل اخیراً گروه دیگری از روش­های انتخاب متغیر به نام روش­های انقباضی مطرح شده­ اند که در این بین، LASSO از محبوبیت ویژه­ای برخوردار است. در این تحقیق با استفاده از LASSO در نرم­ افزار R، مهم­ترین متغیرهای بنیادی حسابداری موثر بر بازده­ی سهام شرکت­های پذیرفته در بورس اوراق بهادار تهران در بازه­ی زمانی 1390-1386، شناسایی می­شوند. براساس یافته­ های تحقیق، بازده­ی دارایی­ها در تمام سال­ها به عنوان یک متغیر مهم برای پیش ­بینی بازده­ی سهام برگزیده شد. در مقابل سه متغیر سرمایه­ گذاری­ها، حاشیه سود ناخالص و تغییرات نقدینگی در هیچ یک از سال­ها، انتخاب نشدند. پیچیده­ ترین و ساده ­ترین مدل، مربوط به سال­های 1388 و 1389 به ترتیب با دو و شش متغیر است.

انجمن حسابداری ایران، 18 شهریور 1394

عنوان نظر :
نام شما :
ایمیل :