فاطمه دادبه* نرجس مقربی ** پیش‌بینی‌های بازار سهام با تکنیک داده کاوی یکی از مهم‌ترین موضوعات در سرمایه‌گذاری و یکی از موضوعات جالب در تحقیقات بازارهای مالی در دهه گذشته است. تلاش‌های بسیاری برای پیش‌بینی اطلاعات بازار سهام با استفاده از روش‌های آماری و سنتی صورت گرفته، اما این روش‌ها برای تحلیل این میزان از اطلاعات، چندان کافی نیست. داده کاوی یکی از مهم‌ترین ابزارهای فناوری اطلاعات در دنیای تجارت رقابتی امروز است، این روش قادر به کشف الگوهای پنهان و پیش‌بینی روند‌های آتی و رفتارها در بازار سهام است. این نوشتار همچنین کاربرد قوانین ارتباطی در بازار سهام و جهت حرکت آتی آنها را بیان می‌کند. داده کاوی، علم و فناوری بررسی اطلاعات در جهت کشف الگوهای ناشناخته و قسمتی از فرآیند کلی شناخت علم در پایگاه‌های اینترنتی است. در دنیایی که امروزه به‌وسیله رایانه اداره می‌شود،این پایگاه‌های داده شامل مقادیر اطلاعاتی هستند که بررسی اطلاعات توسط داده کاوی یک موضوع قابل توجه، مهم و ضروری است. بازار سهام پایگاه‌های داده بزرگی را تولید می‌کند که مسائل پیچیده و پویای عظیمی را با ابزارهای داده کاوی مورد بررسی قرار می‌دهد. پتانسیل بالقوه قابل توجه از مزایای حل این مشکلات، ایجاد انگیزه برای پژوهش به طور گسترده است. پژوهش در داده کاوی، جاذبه بالایی متناسب با اهمیت این کاربرد و افزایش اطلاعات ایجاد شده به دست آورده است. یک بازار سهام یا بازار سرمایه، بازار خصوصی یا عمومی برای معاملات سهام و اوراق مشتقه شرکت با یک قیمت توافق شده است؛ اوراق بهاداری که در لیست شرکت‌های پذیرفته شده در بورس اوراق بهادار و نیز آنهایی که به طور خصوصی قابل معامله‌اند، وجود دارد. اصطلاح بازار سهام به بازاری اطلاق می‌شود که قادر به معامله سهام سهامداران گروهی و دیگر اوراق بهادار و اوراق مشتقه است. این سهام در بازار سهامی که موسسات و شرکت‌های سهامی یا سازمان‌های متخصص در تجارت برای خریداران و فروشندگان سهام و اوراق بهادار گردآوری کرده‌اند، درج و معامله می‌شوند. عموما، داده کاوی (که بعضی مواقع کشف داده یا دانش نیز نامیده می‌شود) فرآیند تحلیل داده‌ها از دورنماهای متفاوت و خلاصه کردن آنها به اطلاعات مفید است. به صورت فنی، داده کاوی فرآیند کشف ارتباطات و الگوهای میان ده‌ها زمینه در پایگاه‌های داده بزرگ مربوط است. پیش‌بینی رفتار بازار از پایگاه داده سهام بسیار مشکل و چالش‌برانگیز است؛ زیرا قیمت‌های سهام بسیار پویا هستند. مراحل مختلفی وجود دارند که برای ساخت مدل پیش‌بینی استفاده می‌شوند. این مراحل عبارتند از:

۱- در این مرحله که دوره آموزش نامیده می‌شود بعد از آن مدل منتخب به دست می‌آید و این مدل منتخب دوره آزمون را پشت سر می‌گذارد.

۲- در دومین مرحله مدل یا مدل‌های تصفیه شده یا خالص به‌دست می‌آید.

۳- مدل یا مدل‌های به‌دست آمده در مرحله دو در این مرحله مورد ارزیابی قرار می‌گیرد.

۴- در مرحله چهارم بهترین مدل انتخاب می‌شود.

۵- در مرحله پنجم آزمون امتیاز دهی انجام می‌گیرد.

۶- در مرحله نهایی مدل پیش‌بینی تعیین می‌شود.

چالش‌های بازار سهام

داده کاوی یک روش جدید است که در بازارهای سهام، کشف راه‌های کارآ برای خلاصه کردن و مجسم کردن داده‌های بازار سهام به منظور گرفتن اطلاعات مفید از موسسات و افراد درباره رفتار بازار برای تصمیمات سرمایه‌گذاری، مورد استفاده قرار می‌گیرد. میزان بسیار زیادی از داده‌های با ارزش ایجاد شده از طریق بازار سهام، پژوهشگران را جذب می‌کند تا دامنه این مشکلات را با استفاده از متدلوژی‌های متفاوت بررسی کنند. بازارهای سهام دارای چالش‌های متفاوتی است که عبارتند از:

۱. پژوهش‌ علمی که مربوط به خلق دانش از مجموعه داده‌های بازار سهام است.

۲. پیش‌بینی قیمت بهتر سهام به منظور خرید و فروش آن‌.

۳. گسترش روش‌های موثر و عملی برای یافتن الگوها و روندهای آتی؛

۴. استفاده از منابع سرمایه‌ای سرمایه‌گذاران؛

۵. تقویت کردن اقتصاد؛

۶. خلق منافع به نفع بازار سهام؛

۷. محافظت از سرمایه و سرمایه‌گذاران؛

۸. نگه داشتن ثبات بازار؛

۹. خارج کردن تقلب و شیوه‌های معاملات غیر‌منطقی.

کاربرد قوانین ارتباط در بازارهای سهام

همانطور که آگراوال (۱۹۹۳) بیان کرده است قوانین مربوط به کشف، یک مشکل مهم داده کاوی است و پژوهش قابل ملاحظه‌ای پیرامون استفاده قوانین مربوط، در زمینه مشکلات داده کاوی وجود دارد. الگوریتم قوانین ارتباطات اساسا به منظور تشخیص ارتباط بین اقلام یا مشخصه‌هایی که به طور همزمان در پایگاه داده رخ می‌دهند، مورد استفاده قرار می‌گیرد. به عنوان مثال، اگر فردی که X را خریداری می‌کند، Y را نیز خریداری کند و این اطلاعات برای تصمیم‌گیرندگان مفید باشد، بنابراین، هدف اصلی اجرای الگوریتم قوانین ارتباطات برای کشف ارتباطات همزمان از طریق تجزیه و تحلیل داده‌های تصادفی و استفاده از این ارتباطات به عنوان مرجع، در طول تصمیم‌گیری است. یکی از مهم‌ترین مشکلات در مالی نوین یافتن راه‌های کارآ به منظور خلاصه‌سازی و مجسم کردن اطلاعات (نمایش نموداری اطلاعات) بازار سهام است تا اطلاعات مفید افراد یا موسسات را درباره رفتارهای بازار برای تصمیمات سرمایه‌گذاری به دست آورد. میزان زیادی از اطلاعات ارزشمند ایجاد شده توسط بازار سرمایه پژوهشگران را جذب می‌کند تا این مشکلات را با متدولوژی‌های متفاوت بررسی کنند. آرانگزب خان (۲۰۰۹) نتایج سرمایه‌گذاری بازار سهام را در داده‌های بازار سهام تایوان با استفاده از دو مرحله از رویکرد داده کاوی بررسی کرد. اولین مرحله الگوریتم نظری به منظور کاربردی کردن دانش و نشان دادن الگوها و قوانین به منظور ارتباط طبقه سهام هدف و مجموعه سرمایه‌گذاری طبقه سهام ممکن به کار برده شد. سپس در مرحله دوم از الگوریتم دسته‌ای ازمیانگین‌ها استفاده شده است تا دسته سهام را به منظور دسته‌های طبقه سهام کاربردی برای اطلاعات سرمایه‌گذاری بررسی کند.

نتیجه‌گیری

در این نوشتار ما به بیان داده کاوی و کاربرد آن در بازار سهام پرداختیم. با توجه به افزایش جهانی شدن اقتصاد و تکامل فناوری اطلاعات، اطلاعات مالی با سرعت بی‌سابقه‌ای در حال تولید و انباشت هستند. در نتیجه، نیازی حیاتی به رویکردهای خودکار برای استفاده موثر و کارآ از مقادیر حجیمی از داده‌های مالی برای پشتیبانی شرکت‌ها و افراد در طرح ریزی استراتژیک و تصمیم‌گیری سرمایه‌گذاری وجود دارد. داده کاوی برای نشان دادن الگوهای پنهان و پیش‌بینی روندهای آتی و رفتارها در بازارهای مالی، امروزه بسیار مورد استفاده قرار می‌گیرد.

*کارشناس ارشد مدیریت مالی

** کارشناس ارشد مدیریت مالی