ارائه الگوی ارزشگذاری IPO با استفاده از الگوریتم ژنتیک و مقایسه ارزش الگوی پیشنهادی با Op

محورهای موضوعی : بورس اوراق بهادار

سمانه فتح علیان ¹ (گروه مدیریت، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران)
سیدعلی نبوی چاشمی ² (گروه مدیریت مالی، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران)
ابراهیم چیرانی ³ (گروه مدیریت، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران)

تاریخ دریافت : 1400/11/22 تاریخ پذیرش : 1400/12/14 تاریخ انتشار : 1401/10/01

کلید واژه: الگوریتم ژنتیک, شبکه عصبی, ارزشگذاری, IPO, Op,

چکیده مقاله :

ارزشگذاری مناسب Ipo شرکت هایی که برای اولین بار وارد بازار سرمایه می شوند، هم برای صاحبان شرکت و هم برای سرمایه گذاران بسیار حیاتی است. اما ارزشگذاری این سهام تحت تأثیر عوامل کمی و کیفی بسیاری می باشد. سیستم های هوشمند غیرخطی هم چون شبکه های عصبی و الگوریتم ژنتیک ابزار مناسبی جهت پیش بینی دقیق ارزش سهام عرضه اولیه است. لذا هدف از انجام این پژوهش ارائه الگوی ارزشگذاری IPO با استفاده از الگوریتم ژنتیک و مقایسه ارزش الگوی پیشنهادی با Op می باشد. به این منظور داده های مربوط به 421 شرکت جمع‌آوری شد که در طی سال های 1388 تا 1397 اقدام به عرضه عمومی اولیه سهام در بورس اوراق بهادار تهران نموده بودند. هم چنین جهت تجزیه و تحلیل داده ها از روش های رگرسیون پیش رو، شبکه عصبی و الگوریتم ژنتیک بهره گرفته شده است. نتایج تحقیق نشان داد: الگوی ارزشگذاری Ipoبا استفاده از الگوریتم ژنتیک، الگوی بهینه ارزشگذاری IPO است. همچنین ارزشگذاری پیش بینی شده در عین نزدیکی به op ، ضمن افزایش نسبی قیمت می تواند انتظارات سرمایه‌گذاران و صاحبان شرکت ها در ارزشگذاری مناسب IPO را برآورده نماید.

چکیده انگلیسی:

Proper Ipo Valuation Companies entering the capital market for the first time are critical to both business owners and investors. But the valuation of these stocks is influenced by many quantitative and qualitative factors. Nonlinear intelligent systems such as neural networks and genetic algorithms are good tools for accurately predicting the initial stock value. Therefore, the purpose of this study is to present the IPO valuation model using genetic algorithm and compare the value of the proposed model with Op. For this purpose, data related to 421 companies were collected that during the years 2009 to 1397 had made an initial public offering of shares on the Tehran Stock Exchange. In order to analyze the data, the methods of regression, neural network and genetic algorithm have been used. The results showed that the Ipo valuation model using genetic algorithm is the optimal IPO valuation model. Also, the projected valuation, while close to the OP, while meeting the relative price increase, can meet the expectations of investors and business owners in a proper IPO valuation.