سودمندي رگرسيون‌هاي تجميعي و روش‌هاي انتخاب متغيرهاي پيش‌بين بهينه در پيش‌بيني بازده سهام

مقاله حاضر به بررسي سودمندي رگرسيون‌هاي تجميعي و روش‌هاي انتخاب متغيرهاي پيش‌بين بهينه (شامل روش مبتني بر همبستگي و ريليف) براي پيش‌بيني بازده سهام شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران مي‌پردازد. به‌منظور ارزيابي عملكرد رگرسيون تجميعي، معيارهاي ارزيابي (شامل ميانگين قدرمطلق درصد خطا، مجذور مربع ميانگين خطا و ضريب تعيين) مربوط به پيش‌بيني اين روش، با رگرسيون خطي و شبكه‌هاي عصبي مصنوعي مقايسه شده است. همچنين به منظور ارزيابي عملكرد روش‌هاي انتخاب متغيرهاي بهينه پيش‌بين، معيارهاي ارزيابي حاصل از پيش‌بيني با استفاده از متغيرهاي انتخاب شده توسط اين روش‌ها با معيارهاي حاصل از پيش‌بيني با استفاده از كليه متغيرها مقايسه شده است. يافته‌هاي تجربي مربوط به بررسي 101 شركت پذيرفته شده در بورس اوراق بهادار تهران در سال‌هاي 1383 الي 1392 حاكي از عملكرد بهتر روش تجميعي نسبت به رگرسيون خطي و شبكه‌هاي عصبي مصنوعي است. افزون بر اين، يافته‌ها حاكي از آن بود كه پيش‌بيني با استفاده از متغيرهاي انتخاب شده در روش‌هاي مبتني بر همبستگي و ريليف، به طور معناداري عملكرد پيش‌بيني را نسبت به استفاده از كليه متغيرها افزايش مي‌دهد.