به‌کارگیری مدلRNN شبکه‌ عصبی مصنوعی جامع جهت ارزش‌گذاری معاملات بلوکی

مجله فناوری اطلاعات در طراحی مهندسی

دوره 16، شماره 2، اسفند 1402

نوع مقاله: مقاله پژوهشی

نویسندگان

عادله بحرینی¹؛ مریم اکبریان فرد^{* 2}؛ مهدی خوشنود³

¹دانشجوی دکترای گروه مهندسی مالی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

²استادیار گروه حسابداری، واحد صومعه سرا، دانشگاه آزاد اسلامی، صومعه سرا، ایران(نویسنده مسئول)

³استادیار گروه حسابداری، واحد رودسر و املش، دانشگاه آزاد اسلامی، رودسر، ایران

چکیده

درگذشته مطالعات برعوامل تاثیر گذار بر معاملات بلوکی شرکت‌ها متمرکز بوده اند، در حالی که ارزش‌گذاری معاملات بلوکی برای اولین بار با استفاده از مدل یادگیری عمیق Rnn ، انجام شده است.ارزش‌گذاری معاملات بلوکی کمک می‌کند تا بتواند ترکیب مناسبی از سهام بلوکی را برای به حداکثر رساندن بازده در افق موردنظر انتخاب کند.هدف این پژوهش بررسی اطلاعات حاصل ازگزارش‌های مالی شرکت‌های پذیرفته شـده دربـورس اوراق بهادارتهران درقالب 15 شاخص مالی و یافتن میزان تاثیر آن شاخص‌ها بر ارزش‌گذاری معاملات بلوکی با استفاده از آزمون rmse بر روی داده‌های موردمطالعه می باشد. بدین منظورازاطلاعات مالی 64 شرکت ازمجموعه شرکت‌های پذیرفتـه شـده درسـازمان بـورس اوراق بهادارتهران برای دوره زمانی 1390تا1400 استفاده شده است.نتایج نشان می دهد پیش‌بینی ارزش‌گذاری معاملات بلوکی باعث تمرکز بر بلوک‌هایی با اندازه بزرگتر به عنوان معیار اندازه گیری منافع خصوصی، می‌تواند معاملاتی که صرفاً عملیات مالی و با هدف سوددهی هستند را تحت تاثیر قرار ‌دهد و انگیزه ی نهفته خریدار بلوک برای رسیدن به کنترل و منافع مالی یا استراتژیک را شناسایی کندو قابلیت اجرایی داشته باشد.

کلیدواژه‌ها

بازده سهام؛ ارزش‌گداری معاملات بلوکی؛ شبکه‌های عصبی یادگیری عمیق؛ مدلRNN

مراجع