چکیدهیکی از موضوعات اثبات شده در علم روانشناسی، تأثیرگذاری احساسات افراد بر فرآیند تصمیم گیری و قضاوت آنان درخصوص رویدادهای آتی است. به گونه ای که هرگاه افراد دارای احساسات مثبت باشند دست به انتخاب های خوش بینانه و هنگامی که دارای احساسات منفی باشند اقدام به انتخاب های بدبینانه می نمایند. لذا گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد.هدف از انجام این پژوهش بکارگیری نسبت های مالی جهت پیش بینی گرایش های احساسی سرمایه گذاران است. برای پاسخ به سوالات پژوهش از داده های مربوط به 97 نسبت مالی متعلق به 176 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1385 تا 1397استفاده شده است. به منظور استخراج نسبت های مالی تأثیرگذار از روش الگوریتم تحلیل مؤلفه همسایگی بهره گرفته شده که در نهایت منجر به انتخاب 7 نسبت گشته است. برای سنجش گرایش های احساسی سرمایه گذاران از 4 شاخص قدرت نسبی، خط روان شناسانه، حجم معاملات و نرخ تعدیل گردش سهام بهره گرفته شده که در نهایت به کمک روش تجزیه و تحلیل مولفه های اساسی اقدام به ترکیب این شاخص ها نموده ایم.نتایج حاکی از آن بوده است که نسبت های درصد تغییرات فروش، سود خالص به دارایی و نسبت تغییرات موجودی به تغییرات فروش تاثیر مثبت و معناداری بر احساسات سرمایه گذاران دارد. پرونده مقاله

گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد. احساسات سرمایه گذاران تحت تاثیر پدیده های روانشناختی، به رفتار افراد جهت می بخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی می شوند. هدف از انجام این پژوهش، بکارگیری روش های فراابتکاری جهت پیش بینی گرایش های احساسی سرمایه گذاران است. در این پژوهش با استفاده از 97 نسبت مالی مربوط به176 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1385 تا1397، اقدام به پیش بینی گرایش های احساسی سرمایه گذاران با استفاده از تکنیک های ماشین بردار پشتیبان (SVM) و درخت تصمیم (DT) شده است. برای سنجش گرایش احساسی سرمایه گذاران از 4 شاخص قدرت نسبی، خط روان شناسانه، حجم معاملات و نرخ تعدیل گردش سهام بهره گرفته شده که در نهایت به کمک روش تجزیه و تحلیل مولفه های اساسی (PCA) اقدام به ترکیب این شاخص ها نموده ایم. جهت مقایسه روش های پیش بینی، از مقادیر میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) استفاده شده است. نتایج حاصل از تحلیل داده ها بیانگر آن است که خطای پیش بینی روش ماشین بردار پشتیبان در مقایسه با درخت تصمیم کمتر است. پرونده مقاله