پیش‌بینی ریسک سیستماتیک شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم‌های کلونی مورچه‌ها و لارس

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار حسابداری، دانشگاه آزاد واحد تهران جنوب، تهران، ایران

2 دانشجوی دکتری حسابداری، دانشگاه آزاد واحد تهران جنوب، تهران، ایران

3 عصو هیات علمی، مربی حسابداری و دانشجوی دکتری دانشگاه پیام نور، تهران، ایران

چکیده

تصمیم‌گیری‌های مالی و اقتصادی به دلیل وجود عدم اطمینان آتی، همواره با ریسک مواجه هستند. در این راستا، گزارشگری مالی می‌تواند دربرگیرندة اطلاعات مفیدی دربارة پیش‌بینی ریسک باشد. هدف این پژوهش بررسی پیش‌بینی ریسک سیستماتیک بر اساس الگوریتم کلونی مورچگان و الگوریتم لارس طی سال‌های 1389 تا 1393 برای شرکت­های پذیرفته شده در بورس اوراق بهادار تهران می‌باشد. بر این اساس 154 شرکت (770 سال- شرکت) به عنوان نمونة آماری انتخاب شده است. در تحقیق حاضر برای سنجش میزان ریسک سیستماتیک شرکت از عامل بتا استفاده شده است. نتایج این تحقیق حاکی از آن است که الگوریتم کلونی مورچگان با خطای 252/1 درصد و الگوریتم لارس با 563/1 درصد توانایی پیش‌بینی ریسک سیستماتیک را دارند. در واقع می‌توان اذعان نمود که الگوریتم‌های به کارگرفته شده با دقت بالایی توانایی کشف ریسک سیستماتیک را دارد.

کلیدواژه‌ها


عنوان مقاله [English]

The Systematic Risk Prediction of Listed Companies in Tehran Stock Exchange Using Ant Colony and LARS Algorithm

نویسندگان [English]

  • Mohsen Hamidian 1
  • Seyed Javad Habibzadeh Baygi 2
  • Maryam Salmanian 2
  • Seyed Hesam Vaghfi 3
1 Assistant Professor of Accounting, Islamic Azad University, South Tehran, Iran
2 Ph.D Student in Accounting and Management, Islamic Azad University, South Tehran, Iran
3 Accounting Lecturer of Management, Payame Noor University, Tehran, Iran
چکیده [English]

Financial and economic decisions are always risky due to the uncertainty about future. In this regard, financial reporting could include useful information about predicting risk. The purpose of this study is to predict the systematic risk based on Ant Colony Algorithms and Lars Algorithms for firms listed in Tehran Stock Exchanged from 2010 to 2014. 154 firms (770 firm-year) as the sample of the study was selected. The beta factor used for measuring firms' systematic risk. The results showed that Ant Colony Algorithms and Lars Algorithm could predict systematic risk with a 1.252 percent and 1.563 percent error, respectively. In fact, we could say that the mentioned algorithm could predict the systematic risks with good accuracy

کلیدواژه‌ها [English]

  • Systematic risk prediction
  • Ant Colony Algorithms
  • Lars Algorithms