شناسايي دستکاري قيمت سهام از طريق مدل ترکيبي الگوريتم ژنتيک- شبکه عصبي مصنوعي و مدل SQDF

هدف اين پژوهش، شناسايي دستکاري قيمت سهام در بورس اوراق بهادار تهران مي باشد که از طريق مدل ترکيبي الگوريتم ژنتيک- شبکه عصبي مصنوعي (ANN-GA) و مدل تابع تفکيکي درجه دوي تعديل شده (SQDF) انجام گرفته است. در اين پژوهش از متغيرهاي قيمت، حجم معاملات و سهام شناور آزاد براي تطبيق نتايج مدل و داده هاي واقعي از دستکاري قيمت استفاده شده است. در مدل ترکيبي ابتدا داده هاي مربوط به 316 شرکت از نخستين روز کاري سال 1389 تا آخرين روز کاري سال 1392 بصورت روزانه شامل 966 روز وارد مدل الگوريتم ژنتيک شده و در نهايت اوزان مربوط به هر متغير از اين الگوريتم منتج شد. با استفاده از اين اوزان، شبکه عصبي مصنوعي پرسپترون طراحي، آموزش و اجرا شد. سپس مدل SQDF طراحي و اجرا و کارايي آن اثبات شد. سرانجام نتايج حاصل از مدل ANN-GA با نتايج مدل SQDF با استفاده از آماره هاي اندازه گيري خطاي MAPE،RMSE  و R² مقايسه شدند. نتايج نشان داد که مدل ANN-GA در شناسايي دستکاري قيمت سهام و طبقه بندي شرکت ها به دو گروه دستکاري شده و دستکاري نشده عملکرد بسيار بهتري از مدل SQDF داشته و خطاي بسيار کمتري دارد.