financial accounting

fa شناسایی دستکاری قیمت سهام در بازار سرمایه ایران با استفاده از الگوریتم‌های یادگیری ماشین Iran Market Manipulation Detection Based On Machine Learning Algorithms Methods تخصصي Special پژوهشي Research  از با اهمیتترین پیش‌نیازهای گسترش و تعمیق بازار سرمایه به‌عنوان اصلیترین بازار اقتصادی کشور، اعتماد بازیگران این بازار به کارایی و درستی آن به‌عنوان مبنایی برای تعیین عادلانه و به دور از تقلب قیمت داراییها است. از این رو، هدف از انجام این پژوهش شناسایی دستکاری قیمت سهام شرکتهای پذیرفته شده در بازار سرمایه ایران است و با توجه به توسعه تکنولوژی و الگوریتمهای معاملاتی پیچیده مبتنی بر هوش مصنوعی در معاملات سهام در بازارهای سرمایه، بهرهگیری از ابزارهای توسعه‌یافته مبتنی بر یادگیری ماشین به‌منظور شناسایی دستکاری قیمتها در بازار سرمایه توسط نهادهای نظارتی ضروری تلقی میگردد. در این پژوهش با استفاده از روشهای آماری مانند تسلسل، چولگی، کشیدگی و آزمون تشخیص ناهنجاری متنی به‌منظور آماده‌سازی و برچسب‌گذاری دادهها، از انواع روشهای یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، ماشین‌بردار پشتیبان، شبکه عصبی چندلایه و رگرسیون لجستیک برای شناسایی دستکاری سهام طی بازه زمانی نیمه دوم 1398 تا پایان 1402 پرداخته شده است. برای این کار از اطلاعات 73 سهم از 19 صنعت پذیرش شده در بورس اوراق بهادار استفاده شده است. تعداد کل روزهای معاملاتی حدود 71،300 بوده که از این بین در 537 روز معاملاتی دستکاری رخ داده و در سایر روزها دستکاری اتفاق نیفتاده است. الگوریتم درخت تصمیم، از منظر توازن بین شاخص دقت، بازخوانی و شاخص  F2نسبت به سایر روشها عملکرد بهتری داشت. این نتیجه بیان می‌کند که یکی از مؤثرین راه‌ها برای شناسایی دستکاری قیمت استفاده از قواعد از قبل تعیین شده‌ای است که به‌وسیله مدل‌های درخت تصمیم استخراج شده و قابلیت به‌روزرسانی در فواصل زمانی مختلف را دارد. بر اساس نتایج به‌دست‌آمده متغیر حجم در همان روز دستکاری و متغیر حجم در یک روز معاملاتی قبل از دستکاری بیشترین اهمیت را در شناسایی دستکاری سهام دارند.  One of the most important prerequisites for the expansion and deepening of the capital market as the main economic market of the country is the trust of the actors and beneficiaries of this market in its efficiency and correctness as a basis for determining the price of financial assets fairly and away from fraud.therefore, the purpose of this research is to identify the manipulation of stock prices of companies accepted in the capital market of Iran, and with regard to the development of technology and complex trading algorithms based on artificial intelligence in stock transactions in the capital markets, taking advantage of Developed tools based on machine learning are considered essential by regulatory institutions in order to identify price manipulation in the capital market. In this research, using statistical methods such as sequence, skewness, kurtosis and textual anomaly detection test in order to prepare and label data, from a variety of machine learning methods including decision tree, random forest, support vector machine, network Multilayer neural and logistic regression have been used to identify stock manipulation during the second half of 1398 to the end of 1402 in the Iranian capital market. For this purpose, data on 73 stocks from 19 industries listed on TSE. The total number of trading days was about 71,300, of which manipulation occurred on 537 trading days and no manipulation occurred on the other days. The decision tree algorithm performed better than the other compared methods from the point of view of the balance between accuracy index, readability and F2 index. This result states that one of the most effective ways to identify price manipulation is to use predetermined rules that are extracted by decision tree models and can be updated at different time intervals. Based on the obtained results, the volume variable on the same day of manipulation (vol0) and the volume variable on a trading day before the manipulation (vol1) are the most important in identifying stock manipulation. بازار سرمایه, دستکاری قیمت سهام, برچسب‌گذاری داده, درخت تصمیم. Capital Market, Stock Price Manipulation, Artificial Intelligence, Data Labeling, Decision Tree. 1 15 http://qfaj.mobarakeh.iau.ir/browse.php?a_code=A-10-3043-2&slc_lang=fa&sid=1 Seyed Mohammad Reza Habibzadeh سید محمدرضا حبیب زاده Em.habibzadeh@ iau.ac.ir 100319475328460015022 100319475328460015022 No Department of Financial Engineering, Qo.C, Islamic Azad University, Qom, Iran. گروه مهندسی مالی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران. Reza Gholami-Jamkarani رضا غلامی جمکرانی reza.gholami@iau.ac.ir 100319475328460015023 100319475328460015023 Yes Department of Accounting, Qo.C. Islamic Azad University, Qom, Iran. گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران. Mohammad Ali Rastegar Sorkheh محمدعلی رستگار سرخه ma_rastegar@modares.ac.ir 100319475328460015024 100319475328460015024 No Faculty of Industrial and Systems Engineering, Tarbiat Modares University, Tehran, Iran. گروه مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران. Seyed Kazem Chavoshi سید کاظم چاوشی chavoshi@khu.ac.ir 100319475328460015025 100319475328460015025 No Department of Insurance, Banking and Customs Management Faculty of Management, Kharazmi University, Tehran, Iran. گروه آموزشی مدیریت بانک، بیمه و گمرک دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایران.