پیش بینی خطر سقوط قیمت سهام با استفاده از الگوریتم ژنتیک و مقایسه با رگرسیون لوجستیک، با تاکید بر نگرش انتخاب ویژگی

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 آنها از روش های سنتی به منظور پیش بینی استفاده شده است در حالی که در سال های اخیر روش های نوین فراابتکاری در سایر مباحث مالی به طور گسترده ای مورد استفاده قرار گرفته است و نتایج بهتری داشته اند. هدف این پژوهش،‏ مدل بندی پیش بینی خطر سقوط قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران،‏ با استفاده از الگوریتم ژنتیک و مقایسه نتایج با رگرسیون لجستیک می باشد. بدین منظور یک فرضیه برای بررسی این موضوع تدوین و داده های مربوط به 107 شرکت عضو بورس اوراق بهادار تهران برای دوره زمانی بین سال های 1389تا 1395 مورد تجزیه و تحلیل قرار گرفت. ابتدا 14 متغیر مستقل به عنوان ورودی الگوریتم ترکیبی ژنتیک و شبکه عصبی مصنوعی که به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است،‏ وارد مدل گردید و 7 متغیر بهینه انتخاب شد سپس با استفاده از الگوریتم ژنتیک و رگرسیون لجستیک اقدام به پیش بینی خطر سقوط قیمت سهام گردید. برای محاسبه خطر سقوط قیمت سهام از معیار دوره خطر استفاده شده است. .نتایج این پژوهش نشان می دهدکه مدل مبتنی بر الگوریتم ژنتیک نسبت به رگرسیون لجستیک،‏ برای پیش بینی خطر سقوط قیمت سهام توانایی بیشتری دارد. بنابراین فرضیه پژوهش تایید می شود.