خلاصة:
درماندگی مالی یکی از موضوعات مهم در بازارهای مالی بوده و میتواند در مدل تصمیمگیری سرمایهگذاران وارد شود تا بتوانند به تجزیه و تحلیل وضعیت مالی موارد سرمایهگذاری پرداخته و با مشخصشدن سطح درماندگی مالی، با اطمینان در موقعیت مناسب تصمیمگیری کنند؛ بنابراین در این پژوهش بررسی میشود که آیا میتوان یک رویکرد محاسباتی نوین برای پیشبینی درماندگی مالی، با استفاده از شیوههای خوشهبندی و طبقهبندی ارائه کرد؟ جامعه آماری پژوهش، شرکتهای پذیرفتهشده در بورس اوراقبهادار تهران در سالهای 1393 الی 1399 میباشد؛ که با استفاده از روش حدف سیستماتیک؛ اطلاعات 123 شرکت استخراج گردید؛ برای پاسخگویی به سؤالات پژوهش از 6 علامت هشداردهنده درماندگی مالی به همراه شیوههای دادهکاوی تحلیل مؤلفههای اساسی و خوشهبندی، برای تعیین شرکتهای درمانده مالی استفاده شد؛ سپس بهمنظور ارائة مدلی برای پیشبینی درماندگی مالی، از 23 متغیر مالی و غیرمالی (که در نهایت تعداد 13 متغیر به عنوان ورودی به علت داشتن ضریب همبستگی بالا با متغیر در ماندگی مالی انتخاب شدند) به همراه شیوه درخت تصمیم استفاده شد. یافتههای پژوهش بیانگر این موضوع هستند که شیوههای داده کاوی امکان تفکیک شرکتهای درمانده و غیردرمانده را فراهم میکند و بیانگر یک روش تحلیلی خودکار برای کشف درماندگی بالقوه میباشد.
Behavioral finance explains contradictory patterns with market efficiency hypotheses with behavioral biases. One of the most common price patterns in the stock market is the pattern of momentum, which can be driven by investors' adjustment and anchoring bias and disposition effect. In this study, the role of adjustment and anchoring bias and disposition effect on the formation of momentum returns on the Tehran Stock Exchange are examined. Using the portfolio study method and the data of the research period of 2007-2016, it was found that investors are more affected by adjustment and anchoring bias compared to disposition effect and form a pattern of momentum by reversing against the maximum price thresholds with a one-year period as the reference price. Also, among the maximum thresholds, investors are most affected by the maximum price of 26 weeks with a six-month waiting period, and further analysis and analysis using the Fama-Macbeth regression and the Fama-French three-factor model confirm these results.