پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 962 |
| تعداد مقالات | 7,959 |
| تعداد مشاهده مقاله | 13,459,714 |
| تعداد دریافت فایل اصل مقاله | 9,566,183 |
شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF | ||
| راهبرد مدیریت مالی | ||
| مقاله 7، دوره 4، شماره 3 - شماره پیاپی 14، آذر 1395، صفحه 149-171 اصل مقاله (3.55 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22051/jfm.2016.2576 | ||
| نویسندگان | ||
| شهاب الدین شمس1؛ بهروز عطایی* 2 | ||
| 1استادیار مدیریت، دانشگاه مازندران | ||
| 2کارشناس ارشد مدیریت بازرگانی (گرایش مالی)، دانشگاه مازندران | ||
| چکیده | ||
| هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران میباشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و دادههای واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا دادههای مربوط به 316 شرکت از نخستین روز کاری سال 1389 تا آخرین روز کاری سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوریتم ژنتیک شده و در نهایت اوزان مربوط به هر متغیر از این الگوریتم منتج شد. با استفاده از این اوزان، شبکه عصبی مصنوعی پرسپترون طراحی، آموزش و اجرا شد. سپس مدل SQDF طراحی و اجرا و کارایی آن اثبات شد. سرانجام نتایج حاصل از مدل ANN-GA با نتایج مدل SQDF با استفاده از آمارههای اندازهگیری خطای MAPE، RMSE و R2 مقایسه شدند. نتایج نشان داد که مدل ANN-GA در شناسایی دستکاری قیمت سهام و طبقه بندی شرکتها به دو گروه دستکاری شده و دستکاری نشده عملکرد بسیار بهتری از مدل SQDF داشته و خطای بسیار کمتری دارد. [1]. Artificial Neural Networks-Genetic Algorithm [2]. Simplified Quadratic Discriminant Function | ||
| کلیدواژه‌ها | ||
| قیمت سهام؛ دستکاری قیمت سهام؛ حفاظت از بازار؛ الگوریتم ژنتیک؛ شبکه عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| The Detection of the Stock Price Manipulation by Hybrid Genetic Algorithm: Artificial Neural Network Model (ANN-GA) and SQDF Model | ||
| نویسندگان [English] | ||
| Shahabodin Shams1؛ Behrooz Ataei2 | ||
| 1mazandaran university | ||
| 2mazandaran university | ||
| چکیده [English] | ||
| The purpose of this research is to detect manipulation of stock prices in Tehran Stock Exchange that it has been done through Hybrid Genetic Algorithm-artificial neural network (ANN-GA) model and the Simplified Quadratic Discriminant Function (SQDF) Model. In this study, the variables of price, trading volume and free float stock to match the results of the model and the actual data of price manipulation is used. In the Hybrid Model of Genetic Algorithm-Artificial Neural Networks (ANN-GA), at first data of 316 stock companies from 2009/03/21 to 2013/03/20 on a daily basis, including 966 days were put into the GA model, then; weight of each variable were derived from GA. Next, using these weights, Perceptron neural network was designed, implemented and its efficiency was approved. Then, SQDF model was designed and implemented and its efficiency was verified. In the end, using MAPE[1], RMSE[2]and R2 error measurement, the results of ANN-GA model were compared with those of SQDF model. The results showed that Hybrid model has much better performance and fewer errors than SQDF model in the detection of stock price manipulation and classifying firms into two groups, manipulate and non-manipulate [1]. Artificial Neural Networks-Genetic Algorithm [2]. Simplified Quadratic Discriminant Function | ||
| کلیدواژه‌ها [English] | ||
| Stock Price, Stock Price Manipulation, Market Surveillance, Genetic Algorithm (GA), Artificial neural network (ANN) | ||
| مراجع | ||
|
- آذر، عادل و رجب زاده، علی. (1382). "ارزیابی پیش بینی ترکیبی با رویکرد شبکه های عصبی کلاسیک در حوزه اقتصاد". مجلهتحقیقاتاقتصادی، شماره 63، 82، 1382، صص 114-87. - حنفی زاده، پیام و جعفری، ابوالفضل. (1389). "مدل ترکیبی شبکه های عصبی مصنوعی پیش خور و خودسازمانده کوهونن برای پیش بینی قیمت سهام". فصلنامه علمی پژوهشی مطالعات مدیریت صنعتی، سال 8، شماره 19، زمستان 1389، صص 187-165. - سازمان بورس اوراق بهادار ایران. (1381). "بهسازی مقررات ایمنی و شفافیت بازار سرمایه ایران: شناسایی و منع دستکاری بازار". گزارش سوم، آبان 1381، ش ١١٨١٠٨٠١٣. - فلاح شمس، میرفیض و تیموری شندی، علی. (1384). "طراحی الگوی پیش بینی دستکاری قیمت در بورس اوراق بهادار تهران". فصلنامه پژوهشی دانشگاه امام صادق(ع)، شماره 27، پاییز 1384، صص 146-115. - فلاح شمس، میرفیض و دلنواز اصغری، بیتا. (1388). "پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی". فراسوی مدیریت، 3، 9، صص 192-212. - فلاح شمس، میرفیض. (1388). "بررسی عوامل تأثیر گذار بر دست کاری قیمت در بورس اوراق بهادار تهران". پژوهشنامه علمی – پژوهشی علوماقتصادی، سال نهم، شماره دوم، پیاپی 35، نیمه دوم 1388. - فلاح شمس، میرفیض، کردلوئی، حمیدرضا و رشنو، مهدی. (1391). "بررسی دستکاری قیمت‌ها در بورس اوراق بهادار تهران با استفاده از مدل ماشین بردار پشتیبان". مجله تحقیقات مالی، دانشکده مدیریت دانشگاه تهران، 14، 1، صص 69-84. - کلاته رحمانی، راحله و چهارده چریکی، معصومه. (1389). "هوش مصنوعی و کاربردهای آن در حسابداری و امور مالی". مجله حسابداری، 1388، صص 135-140. - کوئیک، فرزاد. (1388). "پیش بینی بازده سهام به وسیله شبکه عصبی با استفاده از متغیرهای مالی و اقتصادی". پایان نامه کارشناسی ارشد، دانشگاه مازندران، دانشکده علوم اقتصادی و اداری. - مهناج، محمدباقر. (1379). هوشمحاسباتی(جلداول): مبانیشبکههایعصبی. مرکز نشر دانشگاه صنعتی امیرکبیر. - Aitken, M.J., Harris, F.H. and Ji, S. (2009). “Trade-based manipulation and market efficiency: a cross-market comparison.” Paper presented at 22nd Australasian Finance and Banking Conference, Australia, November 18. - Aktas, R. and Doganay, M.M. (2006). “Stock-price manipulation in the Istanbul stock exchange. Eurasian Review of Economics and Finance, Vol. 2, pp. 21-8. - Allen, F. and Gale, D. (1992). Stock price manipulation. Review of Financial Studies, Vol. 5 No. 3, pp.503-29. - Anand Kumar, N.N. Jani (2010). Network Design Problem Using Genetic Algorithm-An Empirical Study on Selection Operator. International Journal of Computer Science and Applications (IJCSA), April/May 2010, Vol.3, No.2. - Bangoli, M and B. Lipman (1996). Stock Price Manipulation through Takeover Bids. Rand Journal of Economics, No. 27, pp. 124-147. - Basu, D. and Dalal, S. (2009). The Scam – From Harshad Mehta to Ketan Parekh. 3rd ed., KenSource Information Services P. Ltd, Mumbai. - BBC News (2001). Guinness four fail in fight for acquittal. 21 December. - Comerton-Forde, C. and Putnins, T.J. (2009). Measuring closing price manipulation. Journal of Financial Intermediation, Vol. 20 No. 2, pp. 135-158. - Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley. - Holland, John (1975). Adaptation in Natural and Artificial Systems. - Holland, John (1992). Genetic algorithms. Scientific American, 1992, pp. 66-72. - Jarrow, R. (1992). Market manipulation, bubbles, corners, and short squeezes. Journal of Financial and Quantitative Analysis, Vol. 27 No. 3, pp. 311-336. - Kumara Sastry, David Goldberg and Graham Kendall (2005). GENETIC ALGORITHMS. University of Illinois, USA and University of Nottingham, UK, Chapter 4, pp.97-125. - Kyle, A.S. and Viswanathan, S. (2008). How to define illegal price manipulation. American Economic Review Papers and Proceedings, Vol.98, pp.274-9. - Ogut, H, Doganay, M. and Aktas¸R. (2009). Detecting stock-price manipulation in an emerging market: the case of Turkey. Expert Systems with Applications, Vol. 36 No. 9, pp. 11944-9. - Omachi. Sh. I, Sun. F and Aso. H (2003). A New Approximation Method of the Quadratic Discriminant Function. Tohoku University and Tohoku Bunka Gakuen University, Japan. - Palshikar, G.K. and Bahulkar, A. (2000). Fuzzy temporal patterns for analyzing stock market data bases. Proceedings of the International Conference on Advances in Data Management (COMAD-2000), Tata-McGraw Hill, Pune, India, pp.135-142. - Pirrong, C. (2004). Detecting manipulation in futures markets: the Ferruzzi soybean episode. American Law and Economics Review, Vol. 6 No. 1, pp.28-71. - Punniyamoorthy, M. and Thoppan, J.J. (2013). ANN-GA based model for stock market surveillance. Journal of Financial Crime, Vol. 20 No. 1, pp. 52-66. - Siddiqi, H. (2007). Stock price manipulation: the role of intermediaries. Working Paper Series No. 07-58, Centre for Management and Economic Research, Lahore. - Takeshita, T., Kimura, F., Miyake, Y (1987). On the Estimation Error of Mahalanobis Distance. Trans. IEICE J70-D, pp.567–573. - TIME (2006). The livedoor scandal: tribe versus tribe. 20 January. | ||
|
آمار تعداد مشاهده مقاله: 2,100 تعداد دریافت فایل اصل مقاله: 2,301 |
||