توانایی الگوریتم کلونی مورچگان در پیش بینی خطر سقوط قیمت سهام

ریسک سقوط قیمت سهام، شاخصی برای اندازه گیری عدم تقارن در ریسک محسوب می شود و از اهمیت فراوانی در تحلیل پرتفوی و قیمت گذاری دارایی های سرمایه ای برخوردار است. با توجه به اهمیت ریسک سقوط، پژوهش های متعددی به بررسی عوامل موثر بر آن پرداخته اند که در تمام آن ها از روش های سنتی به منظور پیش بینی استفاده شده است درحالی که در سال های اخیر روش های نوین فرا ابتکاری در سایر مباحث مالی به طور گسترده ای مورداستفاده قرارگرفته است و نتایج بهتری داشته اند، بنابراین در این پژوهش، خطر سقوط قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم کلونی مورچگان پیش بینی و نتایج با رگرسیون چند متغیره به عنوان یک روش سنتی، مقایسه شد. جامعه آماری پژوهش شامل کلیه شرکت های پذیرفته شده در بهابازار اوراق بهادار هست که تعداد ۱۰۱ شرکت به عنوان نمونه انتخاب شده است. ابتدا ۱۹ متغیر مستقل به عنوان ورودی الگوریتم تجمع ذرات که در این پژوهش یک روش انتخاب ویژگی در نظر گرفته شده است، وارد مدل گردید و درنهایت در هرکدام از معیارهای مختلف محاسبه خطر سقوط قیمت سهام، تعدادی متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم کلونی مورچگان و رگرسیون چند متغیره، خطر سقوط قیمت سهام پیش بینی و نتایج حاصله باهم مقایسه شد. به منظور مقایسه روش ها از دو معیار میانگین قدر مطلق خطا و میانگین مجذور خطا استفاده شده است. نتایج نشان می دهد که توانایی الگوریتم مورچگان در پیش بینی خطر سقوط قیمت سهام نسبت به رگرسیون چند متغیره بالاتر است و فرضیه پژوهش تائید می شود.

کلیدواژه ها:

الگوریتم مورچگان ، انتخاب ویژگی ، خطر سقوط قیمت سهام ، رگرسیون چند متغیره.