پيش بيني عملكرد كوتاه مدت عرضه عمومي اوليه سهام با استفاده از مدل هاي نزديك ترين همسايگي و ماشين بردار پشتيبان

Prediction of initial public offering short-term performance using nearest neighbor and support vector machine models

اولين انتشار عمومي سهام توسط يك شركت، عرضه عمومي اوليه1 ناميده مي شود. در سال هاي اخير تحقيقات زيادي عملكرد كوتاه مدت IPO را مورد برسي قرار داده است. هدف از اين پژوهش آزمون مدل هاي طبقه بندي مختلف براي يافتن مدلي كه از كارايي و دقت بالايي در پيش بيني عملكرد كوتاه مدت IPO برخوردار است. اين پژوهش 60 مورد IPO عرضه شده در بورس اوراق بهادار تهران را طي دوره 94_1384 مورد بررسي قرار مي دهد. در چارچوب ارائه شده، ميانگين بازده مازاد سه روز اول كاري سهم عرضه شده داراي مقداري مثبت و برابر با 1.3 درصد مي باشد، هرچند اين مقدار به اندازه بازارهاي توسعه يافته بالا نيست. روش اعتبارسنجي متقابل10-تايي براي ارزيابي و كنترل عملكرد مدل هاي طبقه بندي نزديكترين همسايگي، ماشين بردار پشتيبان، درخت تصميم گيري كارت و بيز ساده مورد استفاده قرار گرفت، به اين نتيجه رسيديم كه در بين مدل ها، مدل نزديكترين همسايگي و ماشين بردار پشتيبان از دقت و كارايي بالايي در پيش بيني عملكرد كوتاه مدت IPO برخوردار است.

The first public stock released by a company is defined as initial public offering. In recent years، there have been many research on IPO short-term performance. The present research aims to test different classification models to find model having great efficiency in Prediction of initial public offering short-term performance. The study included 60 IPO in Tehran Stock Exchange during the period 2005-2015. In the proposed framework، average surplus return for first three days of IPO has a positive value and equals to 1.3% although this value is not high same as developed markets. 10-fold cross-validation method was used for evaluating and monitoring nearest neighbor، support vector machines، decision trees and naive-Bayes and results showed that among monitoring nearest neighbor and support vector machines models has high accuracy in predicting IPO short-term performance.