ارزيابي مقايسه‌اي اثربخشي تكنيك‌هاي داده‌كاوي در پيش‌بيني ريسك و بازده سهام شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران

ريسك و بازده سهام همواره از مهم ترين عوامل در اتخاذ تصميمات مالي سرمايه گذاران بوده است. از اين رو پيش بيني آنها براي سرمايه گذاران و ساير فعالان بازار سرمايه حائز اهميت بسيار است. هدف پژوهش حاضر به كارگيري تكنيك هاي داده كاوي در پيش بيني بازده و ريسك سيستماتيك سهام در شركت هاي پذيرفته شده در بورس اوراق بهادار تهران مي باشد. در اين پژوهش با استفاده از چهار الگوريتم تحليل جداساز خطي، الگوريتم تحليل جداساز غيرخطي، الگوريتم نزديكترين K همسايگي و درخت تصميم و به كمك 16 متغير مستقل به پيش بيني بازده و ريسك سيستماتيك سهام پرداخته مي شود. چهار الگوريتم مذكور يك بار با استفاده از كل متغيرهاي مستقل و بار ديگر با استفاده از 4 متغير مستقل  كه با استفاده از رويكرد فيلترينگ به عنوان مؤثرترين متغيرها در پيش بيني بازده و ريسك شناخته شده اند، اجرا مي شود. سپس صحت پيش بيني چهار الگوريتم در دو حالت (مجموعاً 8 پيش بيني براي بازده و 8 پيش بيني براي ريسك) مقايسه و بهترين الگوريتم انتخاب مي گردد. بدين منظور داده هاي 107 شركت پذيرفته شده در بورس اوراق بهادار تهران طي سال هاي 1380 تا 1392 مورد استفاده قرار گرفته است. نتايج حاصل شده حاكي از اين است كه در حالت به كارگيري 16 متغير مستقل الگوريتم تحليل جداساز خطي بهترين پيش بيني بازده و الگوريتم تحليل جداساز غيرخطي بهترين پيش بيني ريسك سيستماتيك را به دست مي دهد. ليكن در حالت استفاده از متغيرهاي مستقل منتخب  الگوريتم تحليل جداساز غيرخطي بهترين پيش بيني بازده و الگوريتم تحليل جداساز خطي بهترين پيش بيني ريسك سيستماتيك را ارائه مي دهد. به طور كلي استفاده از متغيرهاي مستقل منتخب (به جاي استفاده از كل متغيرهاي مستقل) توان الگوريتم ها در پيش بيني بازده و ريسك سيستماتيك را بهبود مي بخشد.