پیش‎بینی عملکرد کوتاه‎مدت عرضه عمومی اولیه سهام با استفاده از مدل‎های نزدیکترین همسایگی و ماشین بردار پشتیبان

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشگاه الزهرا

2 هیات علمی/ دانشگاه الزهرا

3 هیات علمی/ دانشگاه ازاد اسلامی تهران مرکز

چکیده

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.

کلیدواژه‌ها

عنوان مقاله [English]

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

نویسندگان [English]

  • zahra esmaeili 1
  • ebrahim abbasi 2
  • mirfaiz fallahshams 3
1 student/ alzahra university
2 Academic Staff and Associate Professor of Alzahra University
3 Academic Staff and Associate Professor of Azad University
چکیده [English]

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.

مراجع

  1.  پویان‎فر، احمد و فلاح‎پور، سعید. (1394). استفاده از روش هیبرید انتخاب ویژگی و الگوریتم نزدیکترین همسایگی برای پیش‎بینی جهت حرکتی روزانه 50 شرکت فعال‎تر بورس اوراق بهادار تهران. مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 25.
  2.  خداپرستی، صابر، زمانیان، غلامرضا و سنگینیان، علی. (1392). عوامل موثر بر بازده کوتاه‎مدت و بلندمدت سهام عرضه شده در عرضه‎های اولیه در بورس اوراق بهادار تهران. پژوهش‎های تجربی حسابداری، شماره11، ص 179-200.
  3.  دموری، داریوش. (1381). شناسایی عوامل موثر بر بازده بلندمدت سهام جدیدا پذیرفته شده در بورس اوراق بهادار تهران و تحلیل روابط متقابل این عوامل. (رساله دکتری مدیریت مالی). دانشگاه تهران، ایران.
  4.  ظریف‎فرد، احمد و مهرجو، حامد. (1383). بررسی عملکرد قیمت‎گذاری سهام در اولین عرضه سهام‎ها در بورس اوراق بهادار تهران. فصلنامه مطالعات تجربی حسابداری مالی، شماره 8.
  5.  عارفیان، فاطمه و افتخاری، مهدی. (1392). روش جدید K نزدیکترین همسایه فازی و ناهموار برای طبقه‎بندی نیمه نظارتی. همایش مهندسی کامپیوتر و توسعه پایدار.
  6.  عباسی، ابراهیم و بالاورد، مهدی. (1387). بررسی تجربی ارزان قیمت گذاری و بازده بلندمدت عرضه عمومی اولیه سهام. (پایان‎نامه کارشناسی ارشد). دانشگاه آزاد اسلامی، ایران.
  7.  فلاح شمس، میرفیض و کردلویی، حمیدرضا. (1391). بررسی دستکاری قیمت‎ها در بورس اوراق بهادار تهران با استفاده از مدل ماشین بردار پشتیبان. مجله تحقیقات مالی، شماره 14، ص 69-84.
  8.  ملکی، رضا و مداح‎اصل، آزاده. (1387). عرضه عمومی اولیه IPO . بورس اوراق بهادار تهران.
  9.  Basti, E. (2015). Analyaing initial public offerings’ short-term performance using decision tree and svm. Decision support systems, 73, 15-27.
  10.  Ljungqvist, A (2005). IPO Underpricing. Tuck School Of Business at Dartmouth , handbook of corporat finance : empirical corporate finance , 1 )12(.
  11.  Moli, M and Migliorati,K. (2014). Forecasting winner IPOs. Investment Analysts Journal , 79.
  12.  Kohavi, R. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection , Proceedings of the 14th International Conference ,l , 1137-1145.
  13.  Kohavi, R and Provost, F. (1998). Editorial for the Special issue on applications of machins learning and the knowledge discovery prosecc. machine learning 30 , 2, 271-274.
  14.  Ceren, R and Richardson, W. (2016). Predicting IPO Performance from Nearest Neighbors Using TF-IDF Weighted Word Count Vectors. Department of Computer Science, Athens, GA 30602.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار