دانشگاه شهید بهشتی چشم انداز مدیریت مالی 2645-4637 8 21 2018 03 21 Prediction of initial public offering short-term performance using nearest neighbor and support vector machine models پیش‎بینی عملکرد کوتاه‎مدت عرضه عمومی اولیه سهام با استفاده از مدل‎های نزدیکترین همسایگی و ماشین بردار پشتیبان 9 27 95374 FA زهرا اسماعیلی دانشگاه الزهرا ابراهیم عباسی هیات علمی/ دانشگاه الزهرا 0000-0001-6156-2419 میرفیض فلاح هیات علمی/ دانشگاه ازاد اسلامی تهران مرکز 0000-0001-7989-8703 Journal Article 2016 11 08 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. اولین انتشار عمومی سهام توسط یک شرکت، عرضه عمومی اولیه1 نامیده می‎شود. در سال‎های اخیر تحقیقات زیادی عملکرد کوتاه‎مدت IPO را مورد برسی قرار داده است. هدف از این پژوهش آزمون مدل‎های طبقه‌بندی مختلف برای یافتن مدلی که از کارایی و دقت بالایی در پیش‎بینی عملکرد کوتاه‎مدت IPO برخوردار است. این پژوهش 60 مورد IPO عرضه شده در بورس اوراق بهادار تهران را طی دوره 94_1384 مورد بررسی قرار می‎دهد. در چارچوب ارائه شده،  میانگین بازده مازاد سه روز اول کاری سهم عرضه شده دارای مقداری مثبت و برابر با 1.3 درصد می‎باشد، هرچند این مقدار به اندازه بازارهای توسعه یافته بالا نیست. روش اعتبارسنجی متقابل10-تایی برای ارزیابی و کنترل عملکرد مدل‎های طبقه‎بندی نزدیکترین همسایگی، ماشین بردار پشتیبان، درخت تصمیم‎گیری کارت و بیز ساده مورد استفاده قرار گرفت، به این نتیجه رسیدیم که  در بین مدل‎ها، مدل نزدیکترین همسایگی و ماشین بردار پشتیبان از دقت و کارایی بالایی در پیش‎بینی عملکرد کوتاه‎مدت IPO برخوردار است. https://jfmp.sbu.ac.ir/article_95374_168dd708e5d8f4eb5c0fab3de8f13956.pdf