بكارگيري تكنيك "تحليل مولفه‌هاي اصلي" در داده‌كاهي متغيرهاي مؤثر بر بازده سهام

فاقد عنوان لاتين

اين مقاله با هدف مواجهه با پديده همخطي به موضوع داده‌كاهي متغيرهاي مؤثر بر بازده سهام مي‌پردازد. تمركز اين مقاله بر روي روش "تحليل مولفه‌هاي اصلي" است. ابتدا با مطالعه عميق ادبيات حرفه در داخل و خارج از كشور، 47 متغير به عنوان متغيرهاي مؤثر بر پيش‌بيني بازده سهام، شناسايي شدند. متغيرهاي مذكور براي 68 شركت واجد شرايط، استخراج و سپس روش "تحليل مولفه‌هاي اصلي" بر روي آن‌ها اجرا شد. نتايج تحقيق نشان داد مي‌توان با استفاده از اين تكنيك از حجم داده‌هاي مربوط به پيش‌بيني سهام كم كرد و همخطي بين متغيرها مذكور را بدون آنكه نياز به حذف برخي از آن‌ها باشد از بين برد. به طور خاص پس از اعمال اين روش 27 متغير مؤثر بر بازده سهام، به 5 مؤلفه مستقل تبديل شدند تا ضمن كم شدن از حجم داده‌ها، همخطي بين متغيرها نيز اصلاح شود.

With the aim to deal with the phenomenon of collinearity between variables affecting stock's returns, this article concerned with Data reduction subject. The focus of the article is on "principal components analysis" method. First with a vast study of national and international literature, 47 variables were identified as the variables affecting stock's return's prediction. These variables extracted for 68 eligible companies and then the method was applied. The results showed by using this technique the volume of initial data set, can be reduced and collinearity between variables; without eliminating some of them; can be resolved. Specifically, after applying these method 27 variables affecting stock's returns converted to 5 principle components and while reducing the volume of data set, the collinearity between them was modified