نوع مقاله : مقاله پژوهشی

نویسندگان

• امین اله ضرقامی ¹
• میثم دعائی ²
• آبتین بوستانی ³

¹ گروه مدیریت مالی، واحد اسفراین، دانشگاه آزاد اسلامی، اسفراین، ایران،

² گروه مدیریت مالی، واحد اسفراین، دانشگاه آزاد اسلامی، اسفراین، ایران

³ گروه مهندسی صنایع، مجتمع آموزش عالی فنی و مهندسی اسفراین، اسفراین، ایران،

چکیده

هدف: اخراج شرکت‌ها با وجود اهمیت در مسائل اقتصادی و اجتماعی جامعه، کمتر در ادبیات مالی مورد توجه قرار گرفته است. این موضوع از آن جهت دارای اهمیت است که برای هرکشور، یکی از معیارهای سنجش اقتصادی، حجم بازار سرمایه می‌باشد. بنابراین اخراج شرکت‌ها نه تنها باعث از بین رفتن اعتبار شرکت، قیمت سهام آن و بازار فروش سهام آن شرکت می‌شود بلکه بر رشد بازار و اقتصاد هر کشور نیز موثر است. پژوهش حاضر به دنبال بررسی صورت‌های مالی و گزارش حسابرسی شرکت‌های فعال و مقایسه آن با شرکت‌های لغو پذیرش شده می‌باشد تا به کمک فنون مدل‌سازی هوش مصـنوعی، مدلی را بـرای پیش‌بینی شرکت‌های لغوپذیرش شده در بورس اوراق بهادار تهران طراحی نماید.

روش‌شناسی پژوهش: در این پژوهش که روی شرکت‌های بورس اوراق بهادار تهران انجام پذیرفته است، داده‌های مربوط به سه سال قبل از اخراج 73 شرکت حذف شده از بورس از سال 1382 تا سال 1397 در گروه اول و داده های 148 شرکت فعال که بصورت مستمر در بورس حضور داشتند در گروه دوم و با روش حذفی سیستماتیک انتخاب گردیدند. سپس با تکنیک‌های داده کاوی که از کارآمدترین و به روزترین مدل های هوش مصنوعی هستند و به کمک طبقه‌بندی کننده‌های شبکه عصبی پرسپترون چندلایه، درخت تصمیم، و طبقه‌بندی کننده نظریه بیزین به پیش بینی شرکتهای لغو پذیرش شده از بورس پرداخته شده است.

یافته‎ها: یافته ها نشان می‌دهد بهترین عملکرد را طبقه بندی کننده بیزین داشته است و شبکه عصبی پرسپترون چند لایه در جایگاه دوم و طبقه بندی کننده درخت تصمیم در جایگاه سوم قرار گرفته است.

اصالت/ارزش افزوده علمی: پژوهش‌های کمی در حوزه پیش بینی اخراج شرکت‌ها از بازار سرمایه در ایران شده است. این پژوهش با پر کردن این گپ، به پژوهشگران پیشنهاد داده است با استفاده از سایر طبقه‌بندی کننده‌ها، ترکیب کردن چندین طبقه‌بندی کننده با یکدیگر به‌منظور پوشش بهتر خطاهای هر یک، ترکیب کردن طبقه‌بندی کننده‌ها با یکدیگر و وزن دهی به روشی که دقت بالاتری داشته باشد، اضافه کردن سایر متغیرهای تاثیرگذار در اخراج شرکت‌ها از جمله ساختار مالکیت و ترکیب سهامداران می‌تواند نتایج دیگری بدست آید.

کلیدواژه‌ها

• لغو پذیرش از بورس
• شبکه عصبی پرسپترون چندلایه
• درخت تصمیم
• نظریه بیزین
• هوش مصنوعی

موضوعات

• تصمیم گیری براساس شبکه عصبی/ یادگیری عمیق

عنوان مقاله [English]

Predicting the delisted companies of Tehran Stock Exchange using machine learning based algorithms

نویسندگان [English]

• aminollah zarghami ¹
• meysam doaei ²
• abtin boostani ³

¹ Department of Finance, Esfarayen Branch, Islamic Azad University, Esfarayen, Iran;

² Department of Finance, Esfarayen Branch, Islamic Azad University, Esfarayen, Iran,

³ Department of Industrial Engineering, Esfarayen University of Technology, Esfarayen, North Khorasan, Iran.

چکیده [English]

Purpose: Delisted companies, despite their importance in the economic and social issues of society, is less considered in the financial literature. This issue is important because for each country, one of the criteria for economic measurement is the size of the capital market. Therefore, the Delisted companies not only destroys the company's reputation, its stock price and the market for the sale of its shares, but also affects the growth of the market and the economy of each country. The present study seeks to review the financial statements and audit reports of active companies and compare it with delisted companies to design a model for forecasting delisted companies in the Tehran Stock Exchange with the help of artificial intelligence modeling techniques.

Methodology: In this study, which was conducted on companies of the Tehran Stock Exchange, data related to three years before the delisting of 73 companies removed from the stock exchange from 2003 to 2019 in the first group and data of 148 active companies that are continuously. They were present in the stock market in the second group and were selected by systematic elimination method. Then, with data mining techniques, which are among the most efficient and up-to-date models of artificial intelligence, and with the help of multi-layered perceptron neural network classifiers, decision tree, and Bayesian theory classifiers, stock delisted companies have been predicted.

Findings: the findings show that the Bayesian classifier had the best performance and the multilayer perceptron neural network was in the second place and the decision tree classifier was in the third place.

Originality/Value: Little research has been done in the field of predicting delisted companies from the Iran capital market. This study by filling this gap, suggests to researchers to use other classifiers, combine several classifiers together to better cover the errors of each, combine classifiers with each other and weigh in a way that is more accurate, add other variables Influential in the dismissal of companies, including the ownership structure and shareholder composition can have other results.

کلیدواژه‌ها [English]

• Delisted of stock exchange
• Multilayer perceptron neural network
• decision tree
• Bayesian theory
• Artificial intelligence