طراحی مدل ارزش گذاری سهام بر مبنای نماگرهای بازار سرمایه با بهره گیری از روش های داده کاوی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترا، رشته حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، رومیه، ایران

2 دانشیار گروه حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، رومیه، ایران

3 استادیار گروه حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، رومیه، ایران

10.22034/epj.2024.20845.2526

چکیده

هدف مطالعه طراحی مدل ارزش گذاری سهام بر مبنای نماگرهای بازار سرمایه با بهره گیری از روش داده کاوی است. در این مقاله به منظور بررسی تأثیر نماگرهای بازار سرمایه بر ارزش سهام از مدلسازی معادلات ساختاری بهره برده شد. در راستای تجزیه و تحلیل نتایج از اطلاعات آماری گردآوری شده در سال 1401 استفاده گردید. نتایج بدست آمده از این مطالعه نشان می‌دهد که نماگرهای بازار سرمایه تأثیر معناداری بر ارزش سهام دارند و 7/52 % از ارزش سهام توسط نوسانات نماگرهای بازار سرمایه توضیح داده شده است. به منظور پاسخ به سوال پژوهش ابتدا به مقایسه دقت 32 مدل یادگیری ماشین به منظور پیش بینی ارزش سهام پرداخته شد و نتایج نشان می‌دهد که مدل C5 دارای دقت پیش بینی بالاتری نسبت به سایر مدل های یادگیری ماشین دارد. در ادامه و به منظور افزایش دقت و کاهش خطای مدل C5 از تکنیک های اعتبارسنجی بوستینگ و انتخاب ویژگی استفاده شد و نتایج بیانگر آن بود که مدل برتر (C5) دارای افزایش قابل ملاحظه‌ای در دقت و کاهش محسوسی در خطا شده است. همچنین مدلسازی به تفکیک برای نماگرهای بازار سرمایه انجام گرفت و نتایج نشان می‌دهد که نماگرهای نقدی نسبت به سایر نماگرها دارای دقت بالاتری به منظور پیش بینی ارزش سهام داشته است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Designing a stock valuation model based on capital market indicators using data mining methods

نویسندگان [English]

  • Hosein Ashrafi Soltan Ahmadi 1
  • Saeid Jabarzade 2
  • Jamal Bahri sales, 2
  • Ali Ashtab 3
1 Ph.D. student, Accounting Department, Faculty of Accounting, Islamic Azad University, Urmia Branch, Urmia, Iran
2 دانشیار گروه حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، رومیه، ایران
3 استادیار گروه حسابداری، دانشکده حسابداری، دانشگاه آزاد اسلامی، واحد ارومیه، رومیه، ایران
چکیده [English]

The purpose of the study was to design a stock valuation model based on capital market indicators using data mining methods. In this article, structural equation modeling was used to investigate the effect of capital market indicators on stock value. The results showed that the capital market indicators have a significant effect on the stock value and 52.7% of the stock value was explained by the fluctuations of the capital market indicators. In the next step, in order to test the hypothesis of the research, the accuracy of 32 machine learning models was first compared in order to predict the stock value, and the results showed that the C5 model has a higher prediction accuracy than other machine learning models. Further, in order to increase the accuracy and reduce the error of the C5 model, boosting and feature selection validation techniques were used, and the results showed that the superior model (C5) has a significant increase in accuracy and a noticeable decrease in error. Also, modeling was done separately for capital market indicators and the results showed that cash indicators are more accurate than other indicators in order to predict stock value. The purpose of the study was to design a stock valuation model based on capital market indicators using data mining methods. In this article, structural equation modeling was used to investigate the effect of capital market indicators on stock value. The results showed that the capital market indicators have a significant effect on the stock value and 52.7% of the stock value was explained by the fluctuations of the capital market indicators. In the next step, in order to test the hypothesis of the research, the accuracy of 32 machine learning models was first compared in order to predict the stock value, and the results showed that the C5 model has a higher prediction accuracy than other machine learning models. Further, in order to increase the accuracy and reduce the error of the C5 model, boosting and feature selection validation techniques were used, and the results showed that the superior model (C5) has a significant increase in accuracy and a noticeable decrease in error. Also, modeling was done separately for capital market indicators and the results showed that cash indicators are more accurate than other indicators in order to predict stock value.

کلیدواژه‌ها [English]

  • stock valuation
  • data mining
  • capital market
  • forecasting
سیاست گذاری اقتصادی

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 11 دی 1403

فایل ها

هم رسانی

ارجاع به این مقاله

آمار