فهرست نشریات علمی دسترسی آزاد ایران

پیشینه و اهداف: یکی از معیارهای تصمیم‌گیری برای سرمایه‌گذاری در یک شرکت بورسی، میزان یا تغییرات قیمت سهام آن شرکت در روزها و ماه‌های آتی است. روش‌های متعددی برای پیش‌بینی قیمت سهام و ریسک سرمایه‌گذاری در یک شرکت، مورد‌ مطالعه قرار گرفته است. در اکثر این روش‌ها، قیمت سهام به‌عنوان یک متغیر پاسخ پیوسته پیش‌بینی شده‌ است. برای این منظور، از مدل‌های سری زمانی استفاده می‌شود که در آنها پذیره‌هایی ازجمله نرمال‌بودن اغتشاش‌ها و یا خطی‌بودن مدل اهمیت دارد. هدف از این پژوهش، معرفی یک متغیر پاسخ دو‌رده‌ای براساس جهت حرکت قیمت سهم در روز آتی و معرفی چند روش رده‌بندی آماری برای پیش‌بینی آن است. این مدل‌ها، محدودیت‌های مدل‌های گذشته را ندارند و به همین دلیل مورد ‌توجه هستند. پیاده‌سازی روش‌های مورد‌ مطالعه و مقایسه دقت آنها در پیش‌بینی جهت حرکت قیمت سهام شرکت‌های بیمه بورسی هدف اصلی این مقاله است.روش‌شناسی: در پژوهش حاضر با استفاده از الگوریتم‌های K-نزدیک‌ترین همسایه‌ها، درخت تصمیم و جنگل تصادفی که در زمره روش‌های ناپارامتری رده‌بندی یادگیری آماری می‌باشند، به پیش‌بینی جهت حرکت قیمت سهام پرداخته‌ایم. داده‌های مورد ‌استفاده در این تحقیق شامل اطلاعات قیمت سهام یکی از شرکت های بیمه در طی سال‌های 1390 تا 1400 است که سهم مناسب و بالایی در پرتفوی صنعت بیمه دارد. برای تعیین دقت مدل‌های مورد ‌مطالعه، داده‌ها به‌صورت تصادفی به دو دسته آموزشی و آزمایشی تقسیم شدند. سپس مدل‌های یادگیری آماری روی داده‌های آموزشی اجرا و اعتبار آنها با استفاده از داده‌های آزمایشی سنجیده شد.یافته‌ها: نتایج تحقیق حاکی از دقت بالای هر سه مدل ناپارامتری در پیش‌بینی رده قیمت سهام شرکت بیمه مورد‌نظر است. همچنین در بین مدل‌های مورد‌مطالعه، الگوریتم K-نزدیک ترین همسایه‌ها نسبت به سایر الگوریتم‌ها در پیش‌بینی جهت حرکت قیمت سهام عملکرد بهتری از خود نشان داد.نتیجه‌گیری: با توجه به اهمیت ریسک سرمایه‌گذاری در یک شرکت بیمه برای مشتریان، یافتن مدل مناسب برای رده‌بندی قیمت سهام و مشخص‌نمودن متغیرهای مؤثر در افزایش یا کاهش قیمت، می تواند به مشتریان و شرکت‌های بیمه در تصمیم گیری بهتر کمک کند.