ارايه مدل ارزش گذاري سهام در عرضه هاي عمومي اوليه با استفاده از مدل عصبي ژنتيك

Neuro-Genetic Structure to valuation of Initial Public Offering

نگاه به تاريخچه بازار بورس حكايت از اين نكته دارد كه نگراني عمده شركت هاي بورسي در گام نخست براي ورود به بازار سرمايه اين است كه چه قيمتي براي عرضه عمومي اوليه مناسب بوده و آيا مي توانند سرمايه گذاران را براي خريد سهام خود مجاب كنند.در كنار اين موضوع ، از نگراني سرمايه گذاران نيز كه قيمت سهام عرضه شده را واقعي يا كاذب تصور كنند، نمي توان گذشت.اين پژوهش سعي براين دارد كه با استفاده از روش غير خطي اين معضل را بر طرف نمايد. پژوهش حاضر به ارايه مدل قيمت گذاري عرضه عمومي اوليه سهام در بورس اوراق بهادار تهران مي پردازد. دوره تحقيق مورد مطالعه از سال 1382 تا 1393 مي باشد.جامعه آماري تحقيق 145 شركت ورودي به بورس اوراق بهادار تهران در اين بازه زماني و نمونه آماري با توجه به شرط عدم سرمايه گذاري بودن شركت ها و مدوّن بودن بودجه و دسترسي به اطلاعات شركت، به 103 شركت تقليل پيدا كرد. شبكه پيشنهادي يك شبكه چند لايه رو به جلو با بهينه سازي الگوريتم ژنتيك براي متغير هاي مورد استفاده در تعيين قيمت سهام شركت هاي جديد الورود به بورس مي باشد .دوره 12 سااله با انتخاب 12 متغير تاثير گذار بر قيمت عرضه عمومي اوليه و 1 متغير وابسته (قيمت عرضه اوليه) شبكه مناسبي را در قيمت گذاري صحيح نسبت به ساير مدل هاي خطي بيان شده در اين پژوهش ارايه داده است. نتايج حاصل از مدل با استفاده از 4 معيار ارزيابي RMSE,MAE,R-SQUARE,U-THEIL بيانگر قيمت گذاري صحيح مدل پيشنهادي در اكثر موارد مي باشد.

Considering stock market history, major concerns in the first phase to enter the capital market is that what the right price for the initial public offering and could they convince investors to buy shares. Besides that, there are also investors concerns about the accuracy of the pricing stocks. This study uses nonlinear method has resolved this issue. Study provides a model pricing initial public offering of shares on the Tehran Stock Exchange. The research period between 1382 to 1393. Research population 145 enterprises entering the Tehran Stock Exchange in this period of time and the sample of study is according to the condition of the Company and continuous investment of funds and access to company data, were reduced to 103 companies. The proposed network is a neural network optimized the genetic algorithm to determine the price of shares of new companies entering the stock exchange.With a choice of 12 variables affecting the price of initial public offerings and one dependent variable (Initial Public Offering price) suitable model to _ pricing than other linear models presented. The results of the fourth measure, RMSE, MAE, R-SQUARE, U-THEIL reflect the correct pricing proposed model, in most cases.