پيش بيني نقدشوندگي در بورس اوراق بهادار تهران با استفاده از مدل هاي يادگيري

قابليت نقدشوندگي در بورس، ميزان نزديكي سهام به پول نقد را بيان مي كند. از آنجا كه بورس اوراق بهادار تهران در رديف بورس هاي غيرنقد جهان لحاظ شده و مسئله نقدشوندگي سهام يكي از دغدغه هاي اصلي سرمايه گذاران است، لذا در اين پژوهش سعي بر اين است با استفاده از مدل هاي يادگيري عميق به پيش بيني نقد شوندگي بورس اوراق بهادار تهران پرداخته شود. جامعه آماري شامل شركت هاي فعال در بورس اوراق بهادار تهران در سال هاي 1400-1394 مي باشد كه 23 شركت به عنوان نمونه مورد مطالعه قرار گرفتند. حجم و ارزش معاملات، نسبت گردش سهام، آميهود، اختلاف قيمت هاي پيشنهادي خريد و فروش و شكاف نسبي به عنوان معيارهاي نقدشوندگي، اندازه گيري شده و يك شبكه عصبي تماما متصل بر اساس پرسپترون چند لايه (MLP)، مدل تركيبي يادگيري عميق (MDL) و مدل كلاسيك رگرسيون خطي (LR) مورد آزمون قرار گرفت. براي سنجش قدرت پيش بيني مدل ها، ميانگين مربعات خطا (MSE) و ميانگين قدر مطلق خطا (MAE) محاسبه شده و جهت مقايسه ميزان دقت روش هاي مختلف پيش بيني، آزمون t مورد استفاده قرار گرفت. طبق نتايج، ميزان خطاي پيش بيني مدل تركيبي يادگيري عميق از دو مدل ديگر كمتر بوده و آزمون هاي آماري نيز در سطح اطمينان 95 درصد، معني داري اختلاف دقت پيش بيني مدل ها را تاييد مي كند كه عملكرد مناسب مدل تركيبي پيشنهادي را در مقايسه با دو مدل ديگر نشان مي دهد.