پیش بینی بهینه بازده کوتاه مدت عرضه های اولیه با استفاده از الگوریتم های خفاش و جنگل تصادفی

هدف این پژوهش، پیش بینی بازده کوتاه مدت سهام در عرضه های اولیه با استفاده از الگوریتم های خفاش و جنگل تصادفی می-باشد. در این تحقیق، شرکتهایی که طی بازه زمانی1394 تا1399 برای اولین بار در فرابورس ایران عرضه شده اند به عنوان نمونه آماری انتخاب شدند. برای تجزیه وتحلیل داده ها از نرم افزار MATLAB استفاده گردید. برای آزمون فرضیه ها دو سناریو طرح گردید. سناریوی اول بصورت سالانه و سناریوی دوم بصورت6ساله در نظر گرفته شد. داد ه های مالی با 11 عامل: بازده کوتاه مدت بازار، بازده کوتاه مدت سهام جدید، تمایلات بازار، سن شرکت، اندازه شرکت، فروش سالانه ، بازده دارایی، بازده حقوق صاحبان سهام، قیمت انتشار سهام عرضه اولیه، سود عملیاتی، گردش نقدی از عملیات به عنوان عوامل تاثیرگذار و بازده مازاد سهم عرضه شده نسبت به بازار عامل تاثیرپذیر به عنوان پیش فرض های ورودی برای پیش بینی مقدار بهینه، وارد الگوریتم ها شدند. نتایج بدست آمده از الگوریتم خفاش حاکی از آن است که الگوریتم خفاش توانسته در هردو سناریو عملکرد بهتری در پیش بینی بازده کوتاه مدت سهام در عرضه های اولیه ارایه دهد و تفاوت چندانی ندارد. درحالی که نتایج دقت در پیش بینی الگوریتم جنگل تصادفی در سناریوی دوم به نسبت سناریوی اول حدود12 درصد افزایش یافته است. دلیل این تفاوت می تواند ناشی از بزرگ بودن فضای جستجو و کوتاه بودن طول زمانی داده ها برای الگوریتم جنگل تصادفی عنوان نمود. می توان نتیجه گرفت بکارگیری الگوریتم های نوپای خفاش وجنگل تصادفی در پیش بینی بازده کوتاه مدت سهام در عرضه های اولیه می تواند سرمایه گذاران را در پیش بینی بازده حداکثری و انتخاب بهنرین سهام براساس الگویی دقیق و با دقت بالا یاری نماید.