شناسايي دستكاري قيمت سهام از طريق مدل تركيبي الگوريتم ژنتيك – شبكه عصبي مصنوعي و مدل SQDF

The Detection of the Stock Price Manipulation by Hybrid Genetic Algorithm: Artificial Neural Network Model (ANN-GA) and SQDF Model

هدف این پژوهش، شناسایی دستكاری قیمت سهام در بورس اوراق بهادار تهران می­باشد كه از طریق مدل تركیبی الگوریتم ژنتیك-شبكه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفكیكی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده­های واقعی از دستكاری قیمت استفاده شده است. در مدل تركیبی ابتدا داده­های مربوط به 316 شركت از نخستین روز كاری سال 1389 تا آخرین روز كاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیك شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبكه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و كارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آماره­های اندازه­گیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد كه مدل ANN-GA در شناسایی دستكاری قیمت سهام و طبقه بندی شركت­ها به دو گروه دستكاری شده و دستكاری نشده عملكرد بسیار بهتری از مدل SQDF داشته و خطای بسیار كمتری دارد. [1]. Artificial Neural Networks-Genetic Algorithm [2]. Simplified Quadratic Discriminant Function

The purpose of this research is to detect manipulation of stock prices in Tehran Stock Exchange that it has been done through Hybrid Genetic Algorithm-artificial neural network (ANN-GA) model and the Simplified Quadratic Discriminant Function (SQDF) Model. In this study, the variables of price, trading volume and free float stock to match the results of the model and the actual data of price manipulation is used. In the Hybrid Model of Genetic Algorithm-Artificial Neural Networks (ANN-GA), at first data of 316 stock companies from 2009/03/21 to 2013/03/20 on a daily basis, including 966 days were put into the GA model, then; weight of each variable were derived from GA. Next, using these weights, Perceptron neural network was designed, implemented and its efficiency was approved. Then, SQDF model was designed and implemented and its efficiency was verified. In the end, using MAPE[1], RMSE[2]and R2 error measurement, the results of ANN-GA model were compared with those of SQDF model. The results showed that Hybrid model has much better performance and fewer errors than SQDF model in the detection of stock price manipulation and classifying firms into two groups, manipulate and non-manipulate [1]. Artificial Neural Networks-Genetic Algorithm [2]. Simplified Quadratic Discriminant Function