پیش بینی روند قیمت سهام در بورس با استفاده از روش های متن کاوی
بازارهای مالی هر کشور، یک سیستم بسیار پیچیده، پویا و غیرخطی می باشد. بحث پیش بینی بازارهای مالی همواره با ویژگی های کثرت داده ها، نویز، ماهیت بدون ساختار، درجه بالایی از عدم قطعیت و روابط پنهان عجین شده است. از جمله مهم ترین بازارهای مالی هر کشور، بازار بورس آن کشور است. عوامل متعددی مانند عوامل اقتصادی، سیاسی و حتی اجتماعی در روند نغییرات آن موثر هستند، بنابراین پیش بینی دقیق این بازار امری بسیار سخت می باشد. اما جذابیت این امر برای سرمایه گذاران و پژوهشگران باعث انجام مطالعات بسیار زیادی در این حوزه شده است. بر این اساس به دست آوردن مقادیر آینده بازار بورس امکان استفاده از فرصت های تجاری به وجود آمده را به سرمایه گذاران می دهد تا بتوانند حداکثر میزان سود را از سرمایه خود به دست آورند. در سال های اخیر روش های هوش مصنوعی به خصوص محاسبات نرم، ابزار مناسبی برای پیش بینی بازار بورس در اختیار محققین قرار داده است. از سوی دیگر استفاده از تکنیک های متن کاوی باعث به وجود آمدن مسیر جدیدی برای محققین این حوزه که معتقد به تحلیل بنیادی هستند، شده است. در این پایان نامه نیز این دو رویکرد برای پیش بینی قیمت آغازین سهام شرکت ایران خودرو در بازار بورس تهران به کار گرفته شده اند. رویکرد اول با استفاده از شبکه عصبی narx پیاده سازی شده است و رویکرد دوم از فرآیند متن کاوی مبتنی بر الگوریتم یادگیری ماشین naïve bayes بهره می برد. مقایسه نتایج نشان دهنده عملکرد مناسب تر این روش ها نسبت به روش های مشابه قبلی است. مشاهده می شود سیستم پیش بینی بلند مدت، دارای خطای 0.49%= mape و همچنین سیستم پیش بینی کوتاه مدت نیز دارای دقت بالای 94% می باشد.
برای دانلود 15 صفحه اول ابتدا ثبت نام کنید
اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید
منابع مشابه
پیش بینی روند قیمت در بازار سهام با استفاده از الگوریتم جنگل تصادفی
فعالان بورس درصدد دستیابی و به کارگیری روشهایی هستند تا بتوانند با پیشبینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند .بنابراین، ضروری به نظر میرسد که روشهای مناسب، صحیح و متکی به اصول علمی در تعیین قیمت آینده سهام فرآروی افراد سرمایهگذار قرار گیرد. تاکنون روشهای مختلفی جهت نیل به این هدف معرفی شدهاند که اغلب روشهای آماری و هوش مصنوعی هستند. در پژوهش حاضر با استفاده از رویکرد جنگل تصا.
پیش بینی روند سهام با استفاده از مقالات خبری- مبتنی بر تکنیک های متن کاوی
پیش بینی شاخص قیمت سهام با استفاده از مدل هیبریدی
پیشبینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیشبینی آن امری دشوار می‌باشد. از طرفی سریهای زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدلهای هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش.
پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی
پیشبینی تغییر قیمت سهام به عنوان یک فعالیت چالشانگیز در پیشبینی سریهای زمانی مالی در نظر گرفته میشود. یک پیشبینی صحیح از تغییر قیمت سهام میتواند سود زیادی را برای سرمایهگذاران به بار آورد. با توجه به پیچیدگی دادههای بازار بورس، توسعه مدلهای کارآمد برای پیشبینی بسیار دشوار است. در این پژوهش، مدلی برای پیشبینی قیمت سهام شرکتهای بورس اوراق بهادار تهران با بکارگیری دادههای درونزا.
بررسی تأثیر مقاله های خبری در تغییر روند قیمت سهام با استفاده از متن کاوی
تصمیم گیری در بازار بورس چالش برانگیز است، زیرا این بازار دارای محیطی اتفاقی، غیرخطی و غیرقطعی است. بازارهای بورس از عواملی مانند اندیکاتورهای بازار، عوامل اقتصاد خرد و کلان و خبرها تأثیر می گیرند. خبرها یکی از عوامل تأثیرگذار بر بازار هستند که در سال های اخیر توجه پژوهشگران را به خود جلب کرده اند. در صورت تحلیل درست و موفقیت آمیز اخبار، می توان از پیش بینی حاصله برای معامله سهام استفاده کرده و.
پیش بینی قیمت سهام با روش رگرسیون فازی
در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون ARIMA و روش های نوینی، چون شبکه های عصبی برای قیمت سهام قرار دارند. در این پژوهش به روشی دست یافته شده که حاصل ادغام رگرسیون معمولی و رگرسیون فازی به همراه بهینه س.
روش پیشبینی قیمت سهام در بورس
پیشبینی قیمت سهام یعنی تلاش برای مشخص کردن قیمت سهم یا هر اوراق بهادار دیگر که در بازارهای مالی معامله میشود.
شما اولین کسی نیستید که به پیشبینی قیمت سهام در بورس علاقه دارد. آخرین نفر هم نخواهید بود. در طول تاریخ افراد مختلفی در مورد پیشبینی قیمت سهام تلاش کردند و هرکدام روش متفاوتی داشتند.
واقعیت این است که هیچ‌کس تا امروز نتوانسته قیمت سهام را به دقت پیشبینی کند. کاری که امروز می‌توانیم بکنیم، تحلیل سهام است. اما هیچ کس نمی‌داند قیمت سهم فردا، هفته بعد و یک ماه بعد دقیقا چقدر خواهد بود.
در این مطلب به روشهای مرسوم برای پیشبینی قیمت سهام می‌پردازیم.
تلاش‌های اول برای پیشبینی قیمت سهام
در هلند قرن هفدهم شما می‌توانستید سهام شرکت‌هایی مثل VOC را خریداری کنید. یا در قراردادهای آتی گل لاله سود کسب کنید.
از همان زمان برای مردم پیشبینی قیمت سهام جذاب شد.
عده‌ای به فالگیری و رمالی و ستاره‌بینی روی آوردند.
گروهی فکر کردند که با تحلیل‌های ریاضی یا معادلات فیزیک میشود بازار سهام را تحلیل کرد.
برخی دیگر در نمودارها دنبال پیشبینی قیمت سهام بودند.
پیشبینی قیمت سهام به روشهای ابتدایی!
گروهی نیز روشهایی بسیار ابتدایی داشتند. مثلا ترجیح می‌دادند سهام شرکتی را بخرند که صاحبانش را از نزدیک می‌شناسند یا فکر می‌کردند اخبار ساده، بیشتر بر روحیه خریداران اثر دارد تا اخباری پیچیده.
از زمان شرکت می‌سی‌سی‌پی در فرانسه، شایعه‌سازی روی قیمت مرسوم شد. هر کس یک تارگت فضایی برای سهم این شرکت می‌گفت و وقتی تارگتش محقق می‌شد، به قدرت پیشگویی خود می‌بالید. مردم نمی‌دانستند که پادشاه و بانک مرکزی دارند قیمت سهم را بی‌دلیل بالا می‌برند تا کسری بودجه دولت تامین شود.
همان‌طور که در قرن هفدهم و هجدهم، همه رویای کشف طلا در آمریکا را در سر می‌پختند، رویای پیشبینی قیمت سهام هم به کیمیاگری معاصر تبدیل شده بود.
چرا پیشبینی قیمت سهام؟
اگر راهی باشد که بتوانید قیمت یک سهم در آینده، ولو در یک روز آینده را به دقت پیشبینی کنید، می‌توانید بی‌اندازه ثروتمند شوید.
فرض کنید که با قطعیت تمام می‌دانیم که قیمت یک سهم که امروز منفی 5 است، فردا مثبت 5 خواهد شد. تردید نداریم و هیچ ریسکی هم پیش بینی قیمت سهام در بورس وجود ندارد.
چه کار می‌توانیم بکنیم؟ می‌توانیم تمام دارایی نقدی خود را در این سهم بگذاریم، وام بگیریم، اعتبار بگیریم، از دوست و آشنا قرض کنیم. اگر واقعا بتوانیم قیمت یک سهم را به درستی و بدون ریسک پیشبینی کنیم، دیگر ترسی از ریختن سهم نخواهیم داشت. در «یک روز» می‌توانیم ثروتمند شویم.
اما بگذارید همین‌جا این رویا را مخدوش کنم. 400 سال تلاش بشر برای پیشبینی قیمت سهام نشان داد که هیچ روش دقیق و بدون ریسکی وجود ندارد. حتی برای پیشبینی فردا.
با این وجود دست ما آن‌قدرها هم خالی نیست. درست است که نمی‌توانیم ریسک را صفر کنیم، اما می‌توانیم آن را مدیریت کنیم.
1- پیشبینی قیمت سهام با روش جریان آزاد نقدی تنزیل یافته
اولین و شاید موثرترین مدل برای پیشبینی قیمت سهام روشی بود که بنجامین گراهام آن را توسعه داد و وارن بافت از آن استفاده کرد.
روش جریان آزاد نقدی، پس از بررسی ضرایب و نسبت‌های مالی شرکت، تلاش می‌کند که ما را به یک درک کلی از آینده قیمت سهام برساند.
برای این کار ابتدا باید تمام پول نقدی را که وارد شرکت میشود محاسبه کنیم. این عدد به سادگی از صورت مالی جریان‌های نقدی قابل شناسایی است.
حالا کافی است تمام جریان‌های نقدی خروجی را از این عدد کسر کنیم تا به جریان آزاد نقدی یا Free Cash Flow برسیم. البته خود شرکت هم FCF را در صورت مالی خود گزارش می‌کند.
کافی است جریان آزاد نقدی برای پنج سال را پیدا کنید و حدس بزنید که تا پنج سال دیگر، این عدد احتمالا چقدر خواهد بود. (اکسل به‌صورت خودکار این محاسبه را انجام می‌دهد.)
سپس با استفاده از فرمول ارزش ذاتی، می‌توانیم به پیشبینی قیمت سهام در آینده بپردازیم.
مثال پیشبینی قیمت سهام در آینده
فرض کنید جریان آزاد نقدی سهم در پنج‌سال گذشته به این شکل بوده است:
(همت یعنی هزار میلیارد تومان)
- سال دوم جریان آزاد نقدی 20% رشد کرده است.
- سال سوم 25 درصد.
- سال چهارم 33 درصد.
- سال پنجم 5 درصد.
به طور میانگین جریان آزاد نقدی این شرکت سالی 20.75 درصد رشد داشته است.
پس انتظار داریم جریان آزاد نقدی در پنج‌سال آینده به این شکل باشد:
اما جریان آزاد نقدی‌ای که قرار است پنج سال دیگر وارد شرکت شود، در آن زمان کم ارزش‌تر از پول امروز است. ما می‌گوییم که به یک سود 18 درصد راضی هستیم.
- جریان نقدی سال بعد را بر 1.18 تقسیم می‌کنیم: 21.2
- جریان آزاد نقدی سال دوم را دوبار بر 1.18 تقسیم می‌کنیم: 21.5
- جریان آزاد سال سوم را سه بار بر 1.18 تقسیم می‌کنیم: 23
- همین مسیر را برای سال چهارم و پنجم هم پیش می‌گیریم: 23 و 23.6
جمع این 5 عدد برابر میشود با 112.3 همت.
فرض کنید شرکت 10 همت هم بدهی ابتدای دوره داشته باشد. کل شرکت برای مدت 5 سال 102.3 همت می‌ارزد.
اگر شرکت 100 میلیارد سهم منتشر کرده باشد، از پیش بینی قیمت سهام در بورس تقسیم ارزش کل شرکت بر تعداد سهام به عدد 1023 تومان ارزش ذاتی سهم می‌رسیم. (ممکن است شما بخواهید سهم را برای مدت 10 یا 20 سال نگه دارید. در این صورت این عدد بیشتر خواهد شد.)
2- پیشبینی قیمت سهم با استفاده از سود تقسیمی
برای بعضی از سرمایهگذاران، رشد قیمت سهم چندان اهمیت ندارد. آن‌ها می‌خواهند در یک شرکت سهیم شوند و سالانه بخشی از سود شرکت را دریافت کنند.
برای آن‌ها خرید سهام، به معنای شریک شدن در سودی است که یک شرکت از فعالیت عملیاتی خود می‌سازد.
در این روش، درست شبیه روش قبل، 5 سال سود پرداختی شرکت در سال‌های گذشته، کمک می‌کند که سود شرکت در سال‌های پیش رو پیشبینی شود.
در مرحله بعدی، سود تنزیل‌یافته پیش رو را حساب می‌کنیم. برای این کار به ازای هر سال، یکبار DPS را بر سود بدون ریسک (بهره بانکی) تقسیم می‌کنیم.
جمع عددهای حاصل به عنوان پیشبینی قیمت سهم در نظر گرفته میشود.
3- پیشبینی قیمت سهام با پیشبینی سود
فرض کنید قیمت یک سهم برابر است با 1000 تومان. این شرکت به ازای هر سهم، 100 تومان سود می‌سازد.
پیشبینی شما این است که سود هر سهم در سال بعد برابر شود با 250 تومان. قیمت سهم چقدر خواهد بود؟
تخمین اول: P/E مورد انتظار
اگر بهره بانکی برابر باشد با 5 (سود 20 درصد)، هر P/E کم‌تر از این عدد بی‌اندازه جذاب میشود. برای سهم تقاضا ایجاد میشود، قیمت بالا می‌رود، تا جایی که نسبت P/E دوباره به 5 برسد.
حالا ما E و P/E را داریم. اگر این دو عدد را در هم ضرب کنیم به P یا قیمت می‌رسیم.
بنابراین 250 ضربدر 5، که میشود 1250 تومان پیشبینی ما از قیمت این سهم است.
تخمین دوم: P/E سهم
در حال حاضر P/E این سهم برابر است با 10. یعنی بازار حاضر است برای هر ریال سود این سهم، 10 ریال پرداخت کند.
اگر EPS به 250 تومان برسد، دور از ذهن نیست که بازار همچنان برای هر ریال از سود سهم، 10 ریال پرداخت کند. یعنی قیمت به 2500 تومان برسد.
این پیشبینی خیلی قابل اعتماد نیست. شاید بازار دارد سود سال بعد را پیشخور می‌کند. یعنی الان حاضر است 1000 تومان برای این سهم بدهد، چرا که از ارزش 1250 تومانی آن با خبر است.
تخمین سوم: P/E بازار
اگر قیمت تمام سهم‌ها و سود همه شرکتها در بازار را در نظر بگیریم، می‌توانیم ببینیم که P/E کلیت بازار چقدر است.
فرض کنید این عدد در حدود 8 باشد. بعید نیست که بیشتر سهم‌ها در بلندمدت به سمت همین P/E کشیده شوند. یعنی سهم‌های گران‌تر اصلاح کنند و سهم‌های ارزان‌تر گران شوند، تا جایی که دیگر با جابجایی پول در داخل بازار نتوانیم به سود بیشتری دست پیدا کنیم.
پس یک روش دیگر این است که برای پیشبینی قیمت سهام سود یا EPS فوروارد را در P/E بازار ضرب کنیم.
تخمین چهارم: P/E صنعت
میشود به روش بالا اعتراض کرد که اعتراض بجایی هم هست. صنایع جوان و روبه‌رشد (مثل صنعت انفورماتیک) P/E بالاتری دارند. اما از صنایع قدیمی (مثل فلزات اساسی) توقع نداریم که در آینده رشدی چشمگیر داشته باشند. (منظورم رشد قیمت سهم نیست. دارم از رشد فناوری در صنعت حرف می‌زنم.)
پس منطقی است که هر سهم را در صنعت خودش بسنجیم.
فرض کنید سهمی که در موردش حرف زدیم در صنعتی قرار دارد که P/E 12 دارد. ممکن است این سهم نیز در آینده قیمتش به حدی بالا برود که بتواند خودش را هم‌ردیف شرکتهای دیگر در صنعت کند.
یعنی پیشبینی قیمت سهام را از ضرب EPS فوروارد در P/E صنعت به دست بیاوریم.
تخمین آخر: داشتن سه سناریو
بعد از این که این اعداد را حساب کردیم می‌توانیم به سه پیشبینی قیمت سهام برسیم:
- پیشبینی خوش‌بینانه: گران‌ترین عددی که به‌دست آورده‌ایم.
- پیشبینی بدبینانه: ارزان‌تری عددی که به‌دست آورده‌ایم.
- میانگین روش‌ها: از تمام اعدادی که به‌دست آورده‌ایم میانگین بگیریم.
اگر قیمت سهم از پیشبینی خوش‌بینانه ما گران‌تر شود، فروشنده سهم خواهیم بود. اگر قیمت از پیشبینی بدبینانه هم پایین‌تر بیاید، می‌گوییم که قیمت‌ها بی‌اندازه جذاب شدهاند.
روش محاسبه پیشبینی سود هر سهم
دیدیم که برای پیشبینی قیمت سهام به یک پیشبینی از سود هر سهم نیاز داریم.
روش اول پیشبینی سود هر سهم
سادهترین روش این است که در گوگل عبارت «گزارش اجماع تحلیلگران» را جستجو کنید. سپس به سایت irancr.com بروید و در آنجا نماد مورد نظر خود را جستجو کنید.
در این سایت تعداد زیادی تحلیلگر به پیشبینی سود هر سهم پرداخته‌اند.
نکته مهم در استفاده از این سایت این است که گزارش اجماع هر سه ماه یکبار منتشر میشود. برای همین اگر گزارش خیلی قدیمی است (مثلا اگر در آخرین روزها خرداد هستیم) بهتر است تا آمدن گزارش جدید صبر کنید.
ممکن است سهم افزایش سرمایه داده باشد و تعداد سهم‌هایش بیشتر شده باشد. عدد منتشر شده در گزارش اجماع، این افزایش سرمایه را در نگرفته است. در گزارش فصل بعدی اما تغییر در تعداد سهام منتشرشده نیز منظور میشود.
این روش، راحت‌ترین و کم‌دردسرترین راه برای پیشبینی قیمت سهام است. پیشبینی سود را از گزارش اجماع بخوانید و سهم‌هایی را که P/E فوروارد پایین دارند، برای بررسی بیشتر در واچ‌لیست خود بگذارید.
روش دوم برای پیشبینی سود هر سهم
پیشبینی سود هر سهم کار راحتی نیست و توقع نداشته باشید که با خواندن یک مقاله آن را به‌طور کامل یاد بگیرید. از طرفی این کار بسیار وقت‌گیر است و برای سرمایه‌های کم، ارزش ندارد که وقت زیادی را برای پیشبینی قیمت سهام بگذارید. یک مشکل دیگر هم وجود دارد. تعداد سهم‌ها خیلی زیاد است و اگر بخواهید برای هر کدام یک روز کاری وقت بگذارید، دو سال طول می‌کشد تا تمام سهم‌ها را بررسی کنید.
برای همین همچنان استفاده از گزارش اجماع را به شما توصیه می‌کنیم.
اما اگر می‌خواهید بدانید که مبنای کار تحلیلگران برای پیشبینی سود هر سهم چیست، به‌صورت خلاصه کلیات کار را به شما می‌گویم:
پیشبینی سود هر سهم به کمک گزارش تفسیری
اگر در سایت کدال یک نماد را جستجو کنید و صورت‌های مالی تلفیقی (سالانه) آن را در مرورگر باز کنید، در آخرین قسمت قادر خواهید بود گزارش تفسیری شرکت را هم ببینید.
در این قسمت می‌توانید آمار فروش امسال، سال قبل و برآورد شرکت از فروش و هزینه‌های سال جاری را ببینید.
برآورد فروش و هزینه به شما امکان می‌دهد که EPS فوروارد برای سالی جاری را به سادگی به دست بیاورید. حتی ممکن است خود شرکت هم این عدد را گزارش کرده باشد.
اما اگر بخواهید برای پیش بینی قیمت سهام در بورس سال مالی بعدی سود را پیشبینی کنید، دشواری کار شروع میشود.
یک مثال ساده از پیشبینی سود
برای پیشبینی سود هر سهم، که به پیشبینی قیمت سهام کمک می‌کند، یک مثال ساده می‌زنیم.
فرض کنید شرکتی وجود دارد که محصول الف را می‌خرد و به کمک آن محصول ب را تولید می‌کند.
قدم اول
در اولین قدم، از گزارش تفسیری، محاسبه می‌کنیم که برای تولید هر تن ب، شرکت به چند تن الف نیاز دارد.
قدم دوم
حالا نگاه می‌کنیم که تولید ب، پیش بینی قیمت سهام در بورس هر سال چقدر رشد داشته؟ اگر هر سال تولید شرکت 20 درصد افزایش داشته، بعید نیست که امسال هم شاهد همین 20 درصد افزایش تولید باشیم.
از طرفی باید دلیلی قانع‌کننده برای افزایش تولید وجود داشته باشد. مثلا بگوییم که پس از واکسیناسیون جهانی مصرف ب بالا خواهد رفت و شرکت به‌سادگی میتواند محصولات بیشتری بفروشد.
قدم سوم
به‌سادگی و با کمی جستجو می‌توانیم پیشبینی تحلیلگران از قیمت جهانی الف و ب را پیدا کنیم. مثلا اگر محصول شرکت، مفتول مسی باشد، پیدا کردن پیشبینی نرخ جهانی مفتول مسی در سال 2022 کار سختی نیست.
قدم چهارم
برای نرخ دلار، معقول است که میانگین نرخ سال جاری را در 1.2 ضرب کنیم و آن را به عنوان نرخ دلار در سال بعد بگیریم. چرا که معمولا حجم نقدینگی در ایران، سالانه 20 درصد افزایش پیدا می‌کند.
این رابطه در عموم موارد برقرار است، مگر در شرایط خاص مثل بازگشت به برجام که انتظار قیمت دلار را کاهش می‌دهد.
قدم پنجم
حالا می‌دانیم سال دیگر، این شرکت قرار است چه مقدار از محصول ب را با چه قیمتی بفروشد، و برای این کار چقدر باید برای خرید الف هزینه کند. (در اینجا از هزینه‌های دیگر مثل آب‌وبرق و دستمزد صرف نظر کرده‌ایم.)
اگر فروش را از هزینه‌ها کسر کنیم به سود خالص می‌رسیم. با تقسیم سود خالص بر تعداد سهام، EPS سهم پیشبینی میشود.
حالا که EPS سال بعد را داریم، به کمک P/E (که از مفروضات تحلیل ما است) پیشبینی قیمت سهام انجام میشود.
بعدها مقاله‌ای مفصل‌تر در مورد پیشبینی سود خواهیم نوشت.
عدم قطعیت در پیشبینی قیمت سهام
شاید از فیزیک دبیرستان، اصل عدم قطعیت هایزنبرگ را به یاد بیاورید. سادهترین شکل عدم قطعیت این بود که اگر از مکان یک ذره به دقت اطمینان داشته باشیم، چیزی از سرعت آن نمی‌دانیم و بالعکس.
این اصل عدم قطعیت را میشود به بازارهای مالی هم نسبت داد. با این تفاوت که اینجا دو عامل «زمان و قیمت» در عدم قطعیت هستند.
فرض کنید 4 سال پیش به شما می‌گفتم که تا قبل از 1400، شاخص از یک میلیون واحد عبور می‌کند. به‌سختی می‌توانستید حرف مرا باور کنید.
الان هم اگر بگوییم شاخص کل روزی از ده میلیون واحد رد خواهد شد، حرف ما غلط نیست. مشکل اینجا است که نمی‌دانیم برای عبور از این نقطه باید یک سال صبر کنیم یا ده سال.
مشکل اصلی در پیشبینی قیمت سهام و سهم همین است. سهمی که هزار تومان قیمت دارد، دو هزار تومان می‌ارزد. آیا قیمتش به دو هزار خواهد رسید؟ حتما. چه زمانی؟ هیچ‌کس نمی‌داند.
می‌توانید ویدیوهای بیشتری از تالاربورس را در آپارات (شبکه اشتراک ویدیو) و همچنین کانال یوتیوب تالاربورس مشاهده کنید.
روش پیشبینی قیمت سهام در بورس
پیشبینی قیمت سهام یعنی تلاش برای مشخص کردن قیمت سهم یا هر اوراق بهادار دیگر که در بازارهای مالی معامله میشود.
شما اولین کسی نیستید که به پیشبینی قیمت سهام در بورس علاقه دارد. آخرین نفر هم نخواهید بود. در طول تاریخ افراد مختلفی در مورد پیشبینی قیمت سهام تلاش کردند و هرکدام روش متفاوتی داشتند.
واقعیت این است که هیچ‌کس تا امروز نتوانسته قیمت سهام را به دقت پیشبینی کند. کاری که امروز می‌توانیم بکنیم، تحلیل سهام است. اما هیچ کس نمی‌داند قیمت سهم فردا، هفته بعد و یک ماه بعد دقیقا چقدر خواهد بود.
در این مطلب به روشهای مرسوم برای پیشبینی قیمت سهام می‌پردازیم.
تلاش‌های اول برای پیشبینی قیمت سهام
در هلند قرن هفدهم شما می‌توانستید سهام شرکت‌هایی مثل VOC را خریداری کنید. یا در قراردادهای آتی گل لاله سود کسب کنید.
از همان زمان برای مردم پیشبینی قیمت سهام جذاب شد.
عده‌ای به فالگیری و رمالی و ستاره‌بینی روی آوردند.
گروهی فکر کردند که با تحلیل‌های ریاضی یا معادلات فیزیک میشود بازار سهام را تحلیل کرد.
برخی دیگر در نمودارها دنبال پیشبینی قیمت سهام بودند.
پیشبینی قیمت سهام به روشهای ابتدایی!
گروهی نیز روشهایی بسیار ابتدایی داشتند. مثلا ترجیح می‌دادند سهام شرکتی را بخرند که صاحبانش را از نزدیک می‌شناسند یا فکر می‌کردند اخبار ساده، بیشتر بر روحیه خریداران اثر دارد تا اخباری پیچیده.
از زمان شرکت می‌سی‌سی‌پی در فرانسه، شایعه‌سازی روی قیمت مرسوم شد. هر کس یک تارگت فضایی برای سهم این شرکت می‌گفت و وقتی تارگتش محقق می‌شد، به قدرت پیشگویی خود می‌بالید. مردم نمی‌دانستند که پادشاه و بانک مرکزی دارند قیمت سهم را بی‌دلیل بالا می‌برند تا کسری بودجه دولت تامین شود.
همان‌طور که در قرن هفدهم و هجدهم، همه رویای کشف طلا در آمریکا را در سر می‌پختند، رویای پیشبینی قیمت سهام هم به کیمیاگری معاصر تبدیل شده بود.
چرا پیشبینی قیمت سهام؟
اگر راهی باشد که بتوانید قیمت یک سهم در آینده، ولو در یک روز آینده را به دقت پیشبینی کنید، می‌توانید بی‌اندازه ثروتمند شوید.
فرض کنید که با قطعیت تمام می‌دانیم که قیمت یک سهم که امروز منفی 5 است، فردا مثبت 5 خواهد شد. تردید نداریم و هیچ ریسکی هم وجود ندارد.
چه کار می‌توانیم بکنیم؟ می‌توانیم تمام دارایی نقدی خود را در این سهم بگذاریم، وام بگیریم، اعتبار بگیریم، از دوست و آشنا قرض کنیم. اگر واقعا بتوانیم قیمت یک سهم را به درستی و بدون ریسک پیشبینی کنیم، دیگر ترسی از ریختن سهم نخواهیم داشت. در «یک روز» می‌توانیم ثروتمند شویم.
اما بگذارید همین‌جا این رویا را مخدوش کنم. 400 سال تلاش بشر برای پیشبینی قیمت سهام نشان داد که هیچ روش دقیق و بدون ریسکی وجود ندارد. حتی برای پیشبینی فردا.
با این وجود دست ما آن‌قدرها هم خالی نیست. درست است که نمی‌توانیم ریسک را صفر کنیم، اما می‌توانیم آن را مدیریت کنیم.
1- پیشبینی قیمت سهام با روش جریان آزاد نقدی تنزیل یافته
اولین و شاید موثرترین مدل برای پیشبینی قیمت سهام روشی بود که بنجامین گراهام آن را توسعه داد و وارن بافت از آن استفاده کرد.
روش جریان آزاد نقدی، پس از بررسی ضرایب و نسبت‌های مالی شرکت، تلاش می‌کند که ما را به یک درک کلی از آینده قیمت سهام برساند.
برای این کار ابتدا باید تمام پول نقدی را که وارد شرکت میشود محاسبه کنیم. این عدد به سادگی از صورت مالی جریان‌های نقدی قابل شناسایی است.
حالا کافی است تمام جریان‌های نقدی خروجی را از این عدد کسر کنیم تا به جریان آزاد نقدی یا Free Cash Flow برسیم. البته خود شرکت هم FCF را در صورت مالی خود گزارش می‌کند.
کافی است جریان آزاد نقدی برای پنج سال را پیدا کنید و حدس بزنید که تا پنج سال دیگر، این عدد احتمالا چقدر خواهد بود. (اکسل به‌صورت خودکار این محاسبه را انجام می‌دهد.)
سپس با استفاده از فرمول ارزش ذاتی، می‌توانیم به پیشبینی قیمت سهام در آینده بپردازیم.
مثال پیشبینی قیمت سهام در آینده
فرض کنید جریان آزاد نقدی سهم در پنج‌سال گذشته به این شکل بوده است:
(همت یعنی هزار میلیارد تومان)
- سال دوم جریان آزاد نقدی 20% رشد کرده است.
- سال سوم 25 درصد.
- سال چهارم 33 درصد.
- سال پنجم 5 درصد.
به طور میانگین جریان آزاد نقدی این شرکت سالی 20.75 درصد رشد داشته است.
پس انتظار داریم جریان آزاد نقدی در پنج‌سال آینده به این شکل باشد:
اما جریان آزاد نقدی‌ای که قرار است پنج سال دیگر وارد شرکت شود، در آن زمان کم ارزش‌تر از پول امروز است. ما می‌گوییم که به یک سود 18 درصد راضی هستیم.
- جریان نقدی سال بعد را بر 1.18 تقسیم می‌کنیم: 21.2
- جریان آزاد نقدی سال دوم را دوبار بر 1.18 تقسیم می‌کنیم: 21.5
- جریان آزاد سال سوم را سه بار بر 1.18 تقسیم می‌کنیم: 23
- همین مسیر را برای سال چهارم و پنجم هم پیش می‌گیریم: 23 و 23.6
جمع این 5 عدد برابر میشود با 112.3 همت.
فرض کنید شرکت 10 همت هم بدهی ابتدای دوره داشته باشد. کل شرکت برای مدت 5 سال 102.3 همت می‌ارزد.
اگر شرکت 100 میلیارد سهم منتشر کرده باشد، از تقسیم ارزش کل شرکت بر تعداد سهام به عدد 1023 تومان ارزش ذاتی سهم می‌رسیم. (ممکن است شما بخواهید سهم را برای مدت 10 یا 20 سال نگه دارید. در این صورت این عدد بیشتر خواهد شد.)
2- پیشبینی قیمت سهم با استفاده از سود تقسیمی
برای بعضی از سرمایهگذاران، رشد قیمت سهم چندان اهمیت ندارد. آن‌ها می‌خواهند در یک شرکت سهیم شوند و سالانه بخشی از سود شرکت را دریافت کنند.
برای آن‌ها خرید سهام، به معنای شریک شدن در سودی است که یک شرکت از فعالیت عملیاتی خود می‌سازد.
در این روش، درست شبیه روش قبل، 5 سال سود پرداختی شرکت در سال‌های گذشته، کمک می‌کند که سود شرکت در سال‌های پیش رو پیشبینی شود.
در مرحله بعدی، سود تنزیل‌یافته پیش رو را حساب می‌کنیم. برای این کار به ازای هر سال، یکبار DPS را بر سود بدون ریسک (بهره بانکی) تقسیم می‌کنیم.
جمع عددهای حاصل به عنوان پیشبینی قیمت سهم در نظر گرفته میشود.
3- پیشبینی قیمت سهام با پیشبینی سود
فرض کنید قیمت یک سهم برابر است با 1000 تومان. این شرکت به ازای هر سهم، 100 تومان سود می‌سازد.
پیشبینی شما این است که سود هر سهم در سال بعد برابر شود با 250 تومان. قیمت سهم چقدر خواهد بود؟
تخمین اول: P/E مورد انتظار
اگر بهره بانکی برابر باشد با 5 (سود 20 درصد)، هر P/E کم‌تر از این عدد بی‌اندازه جذاب میشود. برای سهم تقاضا ایجاد میشود، قیمت بالا می‌رود، تا جایی که نسبت P/E دوباره به 5 برسد.
حالا ما E و P/E را داریم. اگر این دو عدد را در هم ضرب کنیم به P یا قیمت می‌رسیم.
بنابراین 250 ضربدر 5، که میشود 1250 تومان پیشبینی ما از قیمت این سهم است.
تخمین دوم: P/E سهم
در حال حاضر P/E این سهم برابر است با 10. یعنی بازار حاضر است برای هر ریال سود این سهم، 10 ریال پرداخت کند.
اگر EPS به 250 تومان برسد، دور از ذهن نیست که بازار همچنان برای هر ریال از سود سهم، 10 ریال پرداخت کند. یعنی قیمت به 2500 تومان برسد.
این پیشبینی خیلی پیش بینی قیمت سهام در بورس قابل اعتماد نیست. شاید بازار دارد سود سال بعد را پیشخور می‌کند. یعنی الان حاضر است 1000 تومان برای این سهم بدهد، چرا که از ارزش 1250 تومانی آن با خبر است.
تخمین سوم: P/E بازار
اگر قیمت تمام سهم‌ها و سود همه شرکتها در بازار را در نظر بگیریم، می‌توانیم ببینیم که P/E کلیت بازار چقدر است.
فرض کنید این عدد در حدود 8 باشد. بعید نیست که بیشتر سهم‌ها در بلندمدت به سمت همین P/E کشیده شوند. یعنی سهم‌های گران‌تر اصلاح کنند و سهم‌های ارزان‌تر گران شوند، تا جایی که دیگر با جابجایی پول در داخل بازار نتوانیم به سود بیشتری دست پیدا کنیم.
پس یک روش دیگر این است که برای پیشبینی قیمت سهام سود یا EPS فوروارد را در P/E بازار ضرب کنیم.
تخمین چهارم: P/E صنعت
میشود به روش بالا اعتراض کرد که اعتراض بجایی هم هست. صنایع جوان و روبه‌رشد (مثل صنعت انفورماتیک) P/E بالاتری دارند. اما از صنایع قدیمی (مثل فلزات اساسی) توقع نداریم که در آینده رشدی چشمگیر داشته باشند. (منظورم رشد قیمت سهم نیست. دارم از رشد فناوری در صنعت حرف می‌زنم.)
پس منطقی است که هر سهم را در صنعت خودش بسنجیم.
فرض کنید سهمی که در موردش حرف زدیم در صنعتی قرار دارد که P/E 12 دارد. ممکن است این سهم نیز در آینده قیمتش به حدی بالا برود که بتواند خودش را هم‌ردیف شرکتهای دیگر در صنعت کند.
یعنی پیشبینی قیمت سهام را از ضرب EPS فوروارد در P/E صنعت به دست بیاوریم.
تخمین آخر: داشتن سه سناریو
بعد از این که این اعداد را حساب کردیم می‌توانیم به سه پیشبینی قیمت سهام برسیم:
- پیشبینی خوش‌بینانه: گران‌ترین عددی که به‌دست آورده‌ایم.
- پیشبینی بدبینانه: ارزان‌تری عددی که به‌دست آورده‌ایم.
- میانگین روش‌ها: از تمام اعدادی که به‌دست آورده‌ایم میانگین بگیریم.
اگر قیمت سهم از پیشبینی خوش‌بینانه ما گران‌تر شود، فروشنده سهم خواهیم بود. اگر قیمت از پیشبینی بدبینانه هم پایین‌تر بیاید، می‌گوییم که قیمت‌ها بی‌اندازه جذاب شدهاند.
روش محاسبه پیشبینی سود پیش بینی قیمت سهام در بورس هر سهم
دیدیم که برای پیشبینی قیمت سهام به یک پیشبینی از سود هر سهم نیاز داریم.
روش اول پیشبینی سود هر سهم
سادهترین روش این است که در گوگل عبارت «گزارش اجماع تحلیلگران» را جستجو کنید. سپس به سایت irancr.com بروید و در آنجا نماد مورد نظر خود را جستجو کنید.
در این سایت تعداد زیادی تحلیلگر به پیشبینی سود هر سهم پرداخته‌اند.
نکته مهم در استفاده از این سایت این است که گزارش اجماع هر سه ماه یکبار منتشر میشود. برای همین اگر گزارش خیلی قدیمی است (مثلا اگر در آخرین روزها خرداد هستیم) بهتر است تا آمدن گزارش جدید صبر کنید.
ممکن است سهم افزایش سرمایه داده باشد و تعداد سهم‌هایش بیشتر شده باشد. عدد منتشر شده در گزارش اجماع، این افزایش سرمایه را در نگرفته است. در گزارش فصل بعدی اما تغییر در تعداد سهام منتشرشده نیز منظور میشود.
این روش، راحت‌ترین و کم‌دردسرترین راه برای پیشبینی قیمت سهام است. پیشبینی سود را از گزارش اجماع بخوانید و سهم‌هایی را که P/E فوروارد پایین دارند، برای بررسی بیشتر در واچ‌لیست خود بگذارید.
روش دوم برای پیشبینی سود هر سهم
پیشبینی سود هر سهم کار راحتی نیست و توقع نداشته باشید که با خواندن یک مقاله آن را به‌طور کامل یاد بگیرید. از طرفی این کار بسیار وقت‌گیر است و برای سرمایه‌های کم، ارزش ندارد که وقت زیادی را برای پیشبینی قیمت سهام بگذارید. یک مشکل دیگر هم وجود دارد. تعداد سهم‌ها خیلی زیاد است و اگر بخواهید برای هر کدام یک روز کاری وقت بگذارید، دو سال طول می‌کشد تا تمام سهم‌ها را بررسی کنید.
برای همین همچنان استفاده از گزارش اجماع را به شما توصیه می‌کنیم.
اما اگر می‌خواهید بدانید که مبنای کار تحلیلگران برای پیشبینی سود هر سهم چیست، به‌صورت خلاصه کلیات کار را به شما می‌گویم:
پیشبینی سود هر سهم به کمک گزارش تفسیری
اگر در سایت کدال یک نماد را جستجو کنید و صورت‌های مالی تلفیقی (سالانه) آن را در مرورگر باز کنید، در آخرین قسمت قادر خواهید بود گزارش تفسیری شرکت را هم ببینید.
در این قسمت می‌توانید آمار فروش امسال، سال قبل و برآورد شرکت از فروش و هزینه‌های سال جاری را ببینید.
برآورد فروش و هزینه به شما امکان می‌دهد که EPS فوروارد برای سالی جاری را به سادگی به دست بیاورید. حتی ممکن است خود شرکت هم این عدد را گزارش کرده باشد.
اما اگر بخواهید برای سال مالی بعدی سود را پیشبینی کنید، دشواری کار شروع میشود.
یک مثال ساده از پیشبینی سود
برای پیشبینی سود هر سهم، که به پیشبینی قیمت سهام کمک می‌کند، یک مثال ساده می‌زنیم.
فرض کنید شرکتی وجود دارد که محصول الف را می‌خرد و به کمک آن محصول ب را تولید می‌کند.
قدم اول
در اولین قدم، از گزارش تفسیری، محاسبه می‌کنیم که برای تولید هر تن ب، شرکت به چند تن الف نیاز دارد.
قدم دوم
حالا نگاه می‌کنیم که تولید ب، هر سال چقدر رشد داشته؟ اگر هر سال تولید شرکت 20 درصد افزایش داشته، بعید نیست که امسال هم شاهد همین 20 درصد افزایش تولید باشیم.
از طرفی باید دلیلی قانع‌کننده برای افزایش تولید وجود داشته باشد. مثلا بگوییم که پس از واکسیناسیون جهانی مصرف ب بالا خواهد رفت و شرکت به‌سادگی میتواند محصولات بیشتری بفروشد.
قدم سوم
به‌سادگی و با کمی جستجو می‌توانیم پیشبینی تحلیلگران از قیمت جهانی الف و ب را پیدا کنیم. مثلا اگر محصول شرکت، مفتول مسی باشد، پیدا کردن پیشبینی نرخ جهانی مفتول مسی در سال 2022 کار سختی نیست.
قدم چهارم
برای نرخ دلار، معقول است که میانگین نرخ سال جاری را در 1.2 ضرب کنیم و آن را به عنوان نرخ دلار در سال بعد بگیریم. چرا که معمولا حجم نقدینگی در ایران، سالانه 20 درصد افزایش پیدا می‌کند.
این رابطه در عموم موارد برقرار است، مگر در شرایط خاص مثل بازگشت به برجام که انتظار قیمت دلار را کاهش می‌دهد.
قدم پنجم
حالا می‌دانیم سال دیگر، این شرکت قرار است چه مقدار از محصول ب را با چه قیمتی بفروشد، و برای این کار چقدر باید برای خرید الف هزینه کند. (در اینجا از هزینه‌های دیگر مثل آب‌وبرق و دستمزد صرف نظر کرده‌ایم.)
اگر فروش را از هزینه‌ها کسر کنیم به سود خالص می‌رسیم. با تقسیم سود خالص بر تعداد سهام، EPS سهم پیشبینی میشود.
حالا که EPS سال بعد را داریم، به کمک P/E (که از مفروضات تحلیل ما است) پیشبینی قیمت سهام انجام میشود.
بعدها مقاله‌ای مفصل‌تر در مورد پیشبینی سود خواهیم نوشت.
عدم قطعیت در پیشبینی قیمت سهام
شاید از فیزیک دبیرستان، اصل عدم قطعیت هایزنبرگ را به یاد بیاورید. سادهترین شکل عدم قطعیت این بود که اگر از مکان یک ذره به دقت اطمینان داشته باشیم، چیزی از سرعت آن نمی‌دانیم و بالعکس.
این اصل عدم قطعیت را میشود به بازارهای مالی هم نسبت داد. با این تفاوت که اینجا دو عامل «زمان و قیمت» در عدم قطعیت هستند.
فرض کنید 4 سال پیش به شما می‌گفتم که تا قبل از 1400، شاخص از یک میلیون واحد عبور می‌کند. به‌سختی می‌توانستید حرف مرا باور کنید.
الان هم اگر بگوییم شاخص کل روزی از ده میلیون واحد رد خواهد شد، حرف ما غلط نیست. مشکل اینجا است که نمی‌دانیم برای عبور از این نقطه باید یک سال صبر کنیم یا ده سال.
مشکل اصلی در پیشبینی قیمت سهام و سهم همین است. سهمی که هزار تومان قیمت دارد، دو هزار تومان می‌ارزد. آیا قیمتش به دو هزار خواهد رسید؟ حتما. چه زمانی؟ هیچ‌کس نمی‌داند.
می‌توانید ویدیوهای بیشتری از تالاربورس را پیش بینی قیمت سهام در بورس در آپارات (شبکه اشتراک ویدیو) و همچنین کانال یوتیوب تالاربورس مشاهده کنید.
ارزیابی قدرت پیش بینی قیمت سهام با استفاده از مدل های خاکستری، شبکه های عصبی ایستا و پویا (مطالعه موردی: شرکتهای فعال در صنعت بیمه عضو بورس اوراق بهادار تهران)
پیشبینی قیمت سهام موضوعی مهم در هر دو دیدگاه نظری و کاربردی است. هدف محققان، توسعه روشهای پیشبینی به منظور پیشبینی دقیق‌تر است. سرمایهگذاران سعی در یافتن بهترین برنامه سرمایه‌گذاری دارند که این امر نیازمند پیشبینی آینده بازار می‌باشد. هدف این مقاله مقایسه روشهای شبکه عصبی مصنوعی (ANN)، شبکه عصبی پویا (NARX) و مدل خاکستری (GM) برای پیشبینی قیمت سهام می‌باشد. دادههای سری‌زمانی به صورت روزانه مربوط به شرکتهای بیمه‌ای عضو بازار بورس تهران می‌باشد که در بازه زمانی 15/7/1388 لغایت 17/7/1396 که در بازار بورس فعالیت داشته‌اند. متغیرهای میانگین متحرک ساده پنج روزه (MA-5)، میانگین متحرک ساده بیست روزه (MA-20)، میانگین متحرک همگرا واگرا (MACD)، قیمت طلا، قیمت نفت و نرخ ارز به عنوان متغیرهای مستقل در نظر گرفته شدهاند. با توجه به متغیرهای مساله، از سه مدل خاکستری GM(1,4), GM(1,1) و GM(1,7) جهت پیشبینی استفاده شده است. نتایج نشان می‌دهد روشهای شبکه عصبی مصنوعی و شبکه عصبی پویا دارای کارایی یکسان می-باشند در حالیکه مدلهای خاکستری کارایی پایین‌تری دارند. شبیه‌سازی‌های عددی نشان می‌دهد که روشهای شبکه عصبی مصنوعی و شبکه عصبی پویا با میانگین خطا RSME=0.2 پیشبینی قابل قبولی ارایه می‌کنند.
کلیدواژه‌ها
مراجع
]1[ گنابادی محمود و عبده تبریزی حسین، "تردید در اعتبار مدلهای مالی"، مجله حسابدار، شماره 115، 1375، صفحه 13-20.
]2[ فیلی زاده محمدرضا، کشاورز محمدحسین و هندالیانپور ایاد، "ارایه مدلی جهت پیشبینی شاخص بورس اوراق بهادار تهران با استفاده از ANFIS و رگرسیون فازی"، پژوهشهای نوین در ریاضی، در حال انتشار، 1398.
]3[ محمدی علی و زین الدینزاده سارا، "پیشبینی بازده سهام در بورس اوراق بهادار تهران با استفاده از مدل پیشبینی خاکستری"، پایان نامه کارشناسی ارشد، دانشگاه شیراز، 1393
[4] Huang, K.& Ch. Jane, "A hybrid model for stock market forecasting and portfolio selection based on ARX, grey system and RS theories", Expert systems with application, Vol.36, 2009, 5387-5392.
]5[ خسروی نژاد علی اکبر و شعبانی صدرپیشه مرجان، "ارزیابی مدلهای خطی و غیرخطی در پیشبینی شاخص قیمت سهام در بورس اوراق بهادار تهران"، فصلنامه علوم اقتصادی، شماره 27، 1393، صفحه 51-64.
]6[ سجادی حسین، رشیدی محسن و شیرعلی زاده محسن، "پیشبینی ارتباط بین بازده سهام و عدم تقارن پیش بینی قیمت سهام در بورس اطلاعاتی با استفاده از شبکههای عصبی مصنوعی"، تحقیقات حسابداری و حسابرسی، شماره 24، 1393، صفحه 35-47.
]7[ مکیان نظام الدین و موسوی فاطمه سادات، "پیشبینی قیمت سهام شرکت فرآوردههای نفتی پارس با استفاده از شبکه عصبی و روش رگرسیونی: مطالعه موردی: قیمت سهام شرکت فرآورده های نفتی پارس"، فصلنامه مدلسازی اقتصادی، شماره 2، 1391، صفحه 105-121.
]8[ اعتمادی حسین، آذر عادل و بقائی وحید، "به کارگیری شبکههای عصبی در پیشبینی سودآوری شرکتها (شرکتهای عضو بورس اوراق بهادار تهران)"، دانش حسابداری، شماره 10، 1391، صفحه 51-70
]9[ نیکواقبال علی اکبر، علیخانی نادیا و نادری اسماعیل، "ارزیابی مدلهای شبکه عصبی مصنوعی ایستا و پویا در پیشبینی قیمت سهام"، دانش مالی تحلیل اوراق بهادار، شماره 22، 1393، صفحه 77-91
]10[ راعی رضا و چاوشی کاظم، "پیشبینی بازده سهام در بورس اوراق بهادار تهران"، تحقیقات مالی، شماره 15، 1382، صفحه 97-120
]11[ صالحی مهدی، امانداد امید و فلاحی محمدعلی، "الگوسازی و پیشبینی قیمت سهام شرکتهای صنایع دارویی و شیمیایی پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوها و روشهای نوین"، فصلنامه حسابداری سلامت، شماره 3، 1394، صفحه 1-19
]12[ منجمی امیرحسین، ابزری مهدی و رعیتی علیرضا، "پیشبینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه عصبی فازی و الگوریتمهای ژنتیک و مقایسه آن با شبکه عصبی مصنوعی"، فصلنامه اقتصاد مقداری، شماره 3، 1388، صفحه 1-26
]13[ فرنوش رحمان و حاجبی مهتاب، "برآورد نیمه‌پارامتری کالاهای استراتژیک (قیمت نفت اوپک)"، پژوهشهای نوین در ریاضی, شماره 8، 1395، صفحه 67-78
[16] Liu, S., Yang, Y., Forrest, J. "A brief introduction to grey systems theory, Grey Systems: Theory and Application", Vol.2, 2012, 89-104.
[17] Lin, Y., Liu, S. "A historical introduction to grey systems theory", Paper presented at the IEEE International Conference on System, Man and Cybernetics, Vol.3, 2004, 2403-2408.
[18] Deng, J. "Forecasting and Decision Grey System", Huazhong University of Science and Technology Press, Wuhan, 2002.
[19] Faghih Mohammadi Jalali, M. Heidari, H "Forecasting palladium price using GM (1,1)", Global Analysis and Discrete Mathematics, Vol. 3, 2018, 1-9.
[19] Tien, T.L. "A research on the grey prediction model GM (1, n)", Mathematics and computation; Vol 218, 2012, 4903- 4916.
]21[ منهاج محمدباقر، "هوش محاسباتی: مبانی شبکههای عصبی"، جلد اول، تهران: انتشارات دانشگاه صنعتی امیرکبیر، 1379.
]22[ نادرشاهی محدثه، صفی صمغآبادی اعظم دخت و توکلی مقدم رضا، "آرایه روش مبتنی بر گرادیان مزدوج برای آموزش شبکه عصبی تصمیم"، پژوهشهای نوین در ریاضی, شماره 16، 1397، صفحه 79-92.
]23[ کیانی ندا، توحیدی قاسم، رضویان شبنم، شادنوش نصرت اله و صانعی مسعود، "پیشبینی هوشمند نقدینگی دستگاه‌های خودپرداز برمبنای تقاضای مشتریان"، پژوهشهای نوین در ریاضی. در حال انتشار، 1398.
]24[ مدحج دلال، صانعی مسعود، شجاع نقی، "استفاده از شبکه عصبی جهت تعیین انقباض ورودی، انبساط خروجی و کارائی واحدهای تصمیمگیرنده در مدل راسل"، پژوهشهای نوین در ریاضی, شماره 4، 1394، صفحه 71-80.
انتخاب تابع مناسب جهت بررسی عوامل مؤثر بر قیمت سهام معامله‌شده در بازار بورس اوراق بهادار و پیش بینی آتی این قیمت ها
با توجه به اهمیت تغییرات قیمت نفت در درآمدهای نفتی ایران به عنوان یک کشور صادرکننده نفت و در نتیجه اثرات آن بر اقتصاد نفتی کشور، هدف این مقاله بررسی اثرات شوکهای نفتی بر تغییرات مهم‌ترین شاخص بورس اوراق بهادار در ایران، یعنی شاخص کل قیمتی است. بررسی قیمت سهام در بورس اوراق بهادار و به‌تبع آن بررسی و کنترل بازار سرمایه که بخشی مهمی از بازارهای مالی در هر کشور است، به عنوان عامل پر اهمیتی در سیاست‌گذاری و اعمال سیاست‌های کلان اقتصادی نقش دارد. این بازارها با کنترل و هدایت پس‌اندازها و نقدینگی موجود به بخش‌های مختلف اقتصاد ملی، سبب سرمایه‌گذاری و انتقال سرمایه به شرکتها، بنگاه‌ها و فعالان اقتصادی شده و چشم اندازه آتی این سازمان های اقتصادی را نشان می دهند. با توجه به اینکه در کوتاه‌مدت شوک و شدت جابجایی نقدینگی و سرمایه بخش خصوصی و افراد جامعه از بخش‌های اقتصادی به غیراقتصادی بسیار بالاست، لذا شناسایی و معرفی اطلاعات، ساختار و پیشبینی این بازار کوتاه‌مدت جهت تعیین سیاست‌های مناسب بسیار حیاتی است. در این مقاله سعی شده است با نگاهی بر دادههای آماری ماهانه 1380:1 تا 1392:12به بررسی عوامل مؤثر بر ارزش سهام در بورس بپردازد که در اینجا با استفاده از آزمون غیرآشیانه ای مدل بهینه و مناسب جهت بررسی عوامل مؤثر بر ارزش سهام در بورس انتخاب شده و رابطه موجود برمبنای روش خود توضیح برداری VARتخمین زده می شود. از طرفی با توجه پیش بینی قیمت سهام در بورس به اینکه از طریق پیشبینی این‌گونه بازارهای مالی و سرمایه ای که با ثبات و کارآمد هستند، می توان چارچوبی جهت رسیدن به رشد و توسعه اقتصادی ارائه کرد. این مقاله به بررسی ثبات ساختاری و پیشبینی این بازار بر مبنای فرایند خودتوضیح جمعی با میانگین متحرک ARIMAپرداخته و بر اساس نتایج به دست آمده، سیاست‌های کاربردی پیشنهاد می‌گردد.
کلیدواژه‌ها
عنوان مقاله [English]
Investigation of the Effective Factors on the Price of Shares Traded in Stock Exchange
نویسندگان [English]
- hamidreza izadi 1
- Maryam Izadi 2
1 Chabahar Maritime University
2 Semnan University
چکیده [English]
With regard to the importance of oil price changes in Iran’s oil revenues as an oil exporter and its effects on it's economy, the aim of this paper is to investigate the effects of the oil shocks on the changes of the most important index of the Stock Exchange in Iran called the total price index.
Introduction
Investigating the price of shares in stock exchange and studying and controlling the investment market, which is an important part of financial markets in every country, play an important role in policy making and applying macro-economic policies. Controlling available savings and liquidity and conducting them towards different parts of national economics, this market leads to the investigation and transmission of investment to economic institutions and thereby providing future perspectives of economic firms. Given the fact during a short period of time, shock and the intensity of the movement of liquidity and capital of both the private sector and people of society in transfering from economic parts to non-economic ones are high, the recognition and introduction of information, structure and prediction of short term market for determining appropriate policies is vital.
Methodology
In this work, having looked at monthly statistics data (2001-2012), the reseachers tried to investigate the factors affecting the value of shares in the stock market. It is done by using a non-nested optimization model test to select the suitable model and to examine the factors affecting the value of shares in the stock market. In addition, their relationship will be described and estimated based on the VAR method. On the other hand, since the prediction of financial and capital market is efficient and stable, we can provide a framework for achieving economic growth and development. Thus, this paper will examine the structural stability and forecast it's market based on Auto Regression Moving Average process and according to the results, the applicable policies will be suggested.
Results and Discussion
The primary duty of exchange stock is providing capital stock for the government, the private, and industry sectors in the form of collecting stagnant savings and the liquidity of private sector in order to finance the long-term investment projects.
Stock Exchange is the official and confident authority where holders of stagnant savings can relatively find reliable investment places and use their surplus funds to invest on companies or buy bonds to gain a guaranteed profit.
In other words, the Stock Exchange plays a dual function in the structure of a free economy: one the one hand, it helps to increase the capital of the government and the private sector, and on the other hand, it creates the secondary market to meeting the potential and actual investors. Investigation, controlling and conducting the market can lead to the financial resources of the capital market and investment for development and growth and the policies are planned on the basis of the goals of macroeconomic. Economists believe one of the reasons for the lack of the development of developing countries is the low level of investment. In this regard, the capital market is the main and important centre to attract these savings. Accordingly, we should identify its influential factors in the market, and thus use appropriate policies for the progression and growth of the market.
Achieving the optimal growth and development of economy without mobilization of financial resources in long term is impossible. In this regard, the position and the role of capital market are of high importance.
The capital market, which is the market of demand and supply of financial resources, can play a vital role when the process of supply and demand of its financial sources is the optimal allocations. The main prerequisite for the optimal allocations of resources in the capital market is the efficiency in their performance.
Thus, the difference between effective and efficient capital markets with inefficient markets is in the phenomenon of information and having access to them.
As the information related to the capital market (for a comprehensive, coherent and effective market activity) increases, the impact of the capital market on the growth and development of economy becomes more.
Conclusions and Suggestions
Thus, policy makers should pay attention to the Stock Exchange, its flourishing growth and to government policies, control the foreign exchange market, prevent the uncontrolled growth of liquidity, eliminate the cumbersome investment regulations and incentives tax, and finally draw a plan for implementation of economic policies.
In this regard, it is essential the country's economic managers identify macro-economic variables affecting the stock market, especially government-controlled variables and how their influence can lead to appropriate policies for the stimulatation of the market and growth of economy.
کلیدواژه‌ها [English]
- value of shares
- non-nested test
- forecasting
مراجع
[1] Arouri, M. E. H., Lahiani, A. and Nguyen, D. (2011).Return and volatility transmission between worlds oil prices and stock markets of the GCC countries. Economic Modelling, 28: 1815–1825.
[2] Akaike, H. (1973).Information Theory and the Extension of the Maximum Likelihood Principle. In Proceeding of the Second International Symposium on Information Theory, Eds B.N. Petrov and F. Csaki, Budapest, 267-81.
[3] Barzani, M.V, Dalali, R, Samadi, S. And Faaljo.H.R (2006). The Relationship between Macroeconomic Variables and Value of Shares Market on the Tehran securities Exchange.Economic Research Review.Economic Research Insttitue. (In Persian).
[4] Basher, S.A, Haug, A. A and Sadorsky, P. (2012). Oil prices, exchange rates and emerging stock markets, Energy Economics, 34:227–240.
[5] Davidson, R. and J.G. MacKinnon (1981).Several Tests for Model Specification in the Presence of Alternative Hypothesis. Econometrica, 49: 781-93.
[6] Eslamloueian, R.; Zare, H. (2007). The Impact of Macro Variables and Alternative Assets on Stock Price Movement in Iran: an ARDL Model. Iranian Economic Research, 29:17-46. (In Persian).
[7] Filis, G. (2010). Macro economy, stock market and oil prices: Do meaningful relationships exist among their cyclical fluctuations? .Energy Economics, 32: 877–886.
[8] Fisher, G.R. and M. McAleer, (1981).Alternative Procedures and Associated Tests of Significance for Non-Nested Hypotheses. Journal of Econometrics, 16: 103-19.
[9] Godfrey, L.G. and M.H. Pesaran (1983).Test of Non-Nested Regression Models: Small Sample Adjustments and Monte Carlo Evidence. Journal of Econometrics, 21: 133-54.
[10] Gjerde, ø. & F. Sættem. (1999). Causal Relations among Stock Returns and Macroeconomic Variables in a Small, Open Economy. Journal of International Financial Markets Institutions and Money, 9: 61-74.
[11] Henriques, I. and Sadorsky, P. (2008).Oil prices and the stock prices ofalternative energy companies. Energy Economics, 30: 998–1010
[12] Kwon, C.S., Shin, T.S. & Bacon, F.W. (1997). The Effect of MarcoeconomicVariables on Stock Market Returns in Developing Market. Multinational Business Review, 5: 63-70.
[13] Kia, A. (2003). Rational Speculators and Equity Volatility as a Measure of ex ante Risk. Global Finance Journal, 14: 135-157.
[15] Lee, B. S. (1992). Causal Relations among Stock Returns, Interest Rates, Real Activity, and Inflation. The Journal of Finance, 74, 4: 1591-1603.
[16] Mehrabiyan, A. (2004). Sensitivity stock market to the fiscal and monetary fluctuations. Economic Research Review.Economic Research Insttitue, 1, 1. (In Persian).
[17] Pesaran, M.H. (1974).On the General Problem of Model Selection. Review of Economic Studies, 41:153-71.
[19] Taghavi, M and Jenani, M.H. (2000). Study of Cointegration Relationship between the Stock Price Index at Tehran securities Exchange and Macroeconomic Variables.Economics and Management, 44:77-90. (In Persian).
[20] Tashkini, A. (2005). Applied econometrics with microfit. Dibagaran Tehran publishing co. (In Persian).
[21] Verma, R. & T. Ozuna. (2005).Are Emerging Equity Markets Responsive to Cross-Country Macroeconomic Movements? Evidence from Latin America. International Financial Markets Institutions and Money, 15: 73-87.
[22] Wongbangpo, Subhashc. Sharma, S. (2002). Stock Market and Marcoeconomic Fundamental Dynamic Interactions: A SEAN-5 Countries. Journal of Asian Economic, 13.
دیدگاه شما