تخمین بتاهای بازار با استفاده از روشهای یادگیری ماشین [پايان نامه فارسي]
عرفان گوهری نژاد
| شناسگر رکورد: | ۵۲۷۰۷ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | تخمین بتاهای بازار با استفاده از روشهای یادگیری ماشین |
| نويسنده: | عرفان گوهری نژاد |
| استاد راهنما : | دکتر پژمان عابدی فر |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۴ |
| چکیده: | ضریب بتا (β) به عنوان هسته اصلی مدل قیمتگذاری داراییهای سرمایهای (CAPM)، کلیدیترین معیار برای سنجش ریسک سیستماتیک و برآورد هزینه سرمایه سهام است. با این حال، برآوردگرهای سنتی مبتنی بر رگرسیون خطی (مانند OLS غلتان)، به دلیل ناتوانی در تبیین الگوهای غیرخطی، حساسیت بالا به نویزهای بازار و نادیده گرفتن متغیرهای بنیادی، اغلب در تخمین دقیق بتای آتی ناکارآمد هستند. این چالش در بازارهای نوظهور مانند بورس اوراق بهادار تهران که با اصطکاکهای معاملاتی، توقف نمادها و نوسانات بالا مواجه است، برجستهتر میباشد. هدف اصلی این پژوهش، گذار از تخمینهای تاریخی به «پیشبینی بروننمونهای» بتای تحققیافته آتی با استفاده از الگوریتمهای یادگیری ماشین است. بدین منظور، پایگاه دادهای جامع شامل متغیرهای سریزمانی (بازده و نوسان)، ویژگیهای بنیادی سطح شرکت (مانند اهرم و اندازه) و متغیرهای کلان اقتصادی از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران گردآوری شد. مدلهای متنوعی شامل رگرسیونهای منظمسازی شده ، مدلهای درختی و تجمیعی و شبکههای عصبی در مقابل بنچمارکهای سنتی مورد آزمون قرار گرفتند. استراتژی ارزیابی بر اساس رویکرد پنجرههای غلتان با لحاظ یک دوره فاصله ششماهه جهت جلوگیری از نشت اطلاعات و سوگیری نگاهبهآینده طراحی شد و عملکرد مدلها با معیار «میانگین مربعات خطای موزونشده به ارزش بازارسنجیده شد. یافتههای پژوهش نشان میدهد که مدلهای یادگیری ماشین، به ویژه مدلهای خانواده درختی/تجمیعی، به دلیل توانایی در مدلسازی اثرات تعاملی و غیرخطی، عملکرد دقیقتری نسبت به مدلهای خطی سنتی در پیشبینی بتای ششماهه آتی دارند. همچنین تحلیل اهمیت ویژگیها نشان داد که ترکیب اطلاعات بنیادی شرکت با دادههای تکنیکال، نقش بسزایی در ارتقای دقت پیشبینی ایفا میکند. این مطالعه شواهدی قوی فراهم میکند که استفاده از ابزارهای دادهمحور مدرن میتواند ابهام در سنجش ریسک سیستماتیک را در بازار ایران کاهش داده و برای مدیران پرتفوی و تحلیلگران ریسک کاربرد عملیاتی داشته باشد. |
| واژگان کلیدی: |
ریسک سیستماتیک یادگیری ماشین پیشبینی بتا قیمتگذاری داراییها بورس اوراق بهادار تهران پیشبینی بروننمونهای |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 285059 | 1 |
جهت مشاهده فایل دیجیتال با حساب کاربریتان وارد شوید
جهت ثبت نظر با حساب کاربری تان وارد شوید