fa بررسی سودمندی روش غیرخطی رگرسیون بردارهای پشتیبان و روش‌های کاهش متغیرهای پیش‌بین در پیش‌بینی بازده سهام تخصصي Special كاربردي Applicable <p dir="RTL">هدف این پژوهش، بررسی سودمندی روش‌های کاهش متغیرها و روش‌‌ غیرخطی رگرسیون بردارهای پشتیبان، در پیش‌بینی بازده سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران است. با استفاده از روش‌‌های مبتنی بر همبستگی و تحلیل عاملی، متغیرهای بهینه از بین 52 متغیر اولیه، انتخاب یا استخراج شده است. در ادامه، با استفاده از روش‌های غیرخطی رگرسیون بردارهای پشتیبان و شبکه‌های عصبی مصنوعی و همچنین رگرسیون خطی، بازده سهام 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1383 الی 1392 پیش‌بینی شده است. یافته&shy;های تجربی این پژوهش حاکی از عملکرد بهتر رگرسیون بردارهای پشتیبان نسبت به دو روش دیگر پیش‌بینی و عملکرد بهتر هر دو روش‌ غیرخطی پیش‌بینی نسبت به رگرسیون خطی است. افزون براین، یافته‌های پژوهش، بیانگر سودمندی روش‌های کاهش متغیرها و وجود تفاوت معنادار بین میزان سودمندی دو روش‌ مبتنی بر همبستگی و تحلیل عاملی و همچنین برتری روش مبتنی بر همبستگی است.&nbsp;</p> <p style="text-align: justify;">The purpose of this research is investigating the usefulness of variables reduction and support vector regression in predicting stock returns of companies listed on Tehran Stock Exchange (TSE). In this regard, through reviewing literature, 52 predictive features were specified as the initial features (variables) based on the popularity in the literature and the availability of the necessary data. By using correlation-based variables selection method and factor analysis variables extraction method, optimal variables (factors) are selected or extracted from initial variables. Subsequently, the stock returns of 101 firms listed on TSE from 2004 to 2013 were predicted utilizing nonlinear methods (support vector regression and artificial neural networks) and linear regression. The research results indicate that support vector regression outperforms the two other prediction methods and both nonlinear methods outperform the linear regression. Furthermore, the results confirmed the usefulness of variables reduction methods and existence of significant difference between usefulness amount of the correlation-based and factor analysis method</p> پیش‌بینی بازده سهام, رگرسیون بردارهای پشتیبان, روش‌های کاهش متغیرهای پیش‌بین. Stock Return Prediction, Support Vector Regression, Variables Reduction Methods. 1 33 http://qfaj.mobarakeh.iau.ir/browse.php?a_code=A-10-450-1&slc_lang=fa&sid=1 Mohammad-Hossein Setayesh محمد حسین ستایش setayesh@shirazu.ac.ir 10031947532846002599 10031947532846002599 No Shiraz University دانشگاه شیراز mostafa kazemnezhad مصطفی کاظم نژاد mkazemi5166@gmail.com 10031947532846002600 10031947532846002600 Yes Shiraz University دانشگاه شیراز