IPO бағасын төмендету алгоритмі - IPO underpricing algorithm

IPO бағасын төмендету бұл акциялар құнының алғашқы орналастыру бағасынан алғашқы күннің жабылу бағасына дейін өсуі. Көбісі бағасыз IPO корпорациялар үшін ақшаны үстелге қалдырады деп санайды, ал кейбіреулері бағаны төмендету сөзсіз деп санайды. Инвесторлар бағаны төмендету сұранысты арттыратын нарыққа деген үлкен қызығушылықты білдіреді деп мәлімдейді. Екінші жағынан, қымбаттаған акциялар ұзақ мерзімдіге құлдырайды, өйткені баға тұрақтанады, сондықтан бағаны төмендету эмитенттерді инвесторлардың соттарынан сақтайды.

IPO бағасын төмендету алгоритмдері

Андеррайтерлер және инвесторлар мен корпорациялар алғашқы орналастыру (IPO), эмитенттер, олардың нарықтық құнына қызығушылық танытады. Андеррайтерлер бағаны төмен ұстағысы келетіндіктен, компаниялар IPO-ның жоғары бағасын алғысы келетіндіктен әрдайым шиеленіс болады.

Сондай-ақ, бағалардың төмендеуіне инвесторлардың реакциясы себеп болуы мүмкін, олар сауда-саттықтың алғашқы күндерінде шарықтап кетеді. IPO-ға баға белгілеу процесі нарықтағы сұраныс, өнімді қабылдау немесе бәсекеге қабілетті жауап туралы сирек деректер болған кезде жаңа және бірегей тауарлардың бағасына ұқсас. Сонымен қатар, бағаны төмендетуге оның бизнес-моделі сияқты фирмалық ерекше факторлар әсер етеді.[1] Осылайша эмитенттер мен инвесторлардың әртүрлі мақсаттарына байланысты айқын бағаны анықтау қиын.

Бағаны төмендетуді анықтайтын алгоритмдерді жасау проблемасы шешіледі шулы, күрделі және реттелмеген деректер жиынтығы. Сонымен қатар, адамдар, қоршаған орта және қоршаған ортаның әртүрлі жағдайлары мәліметтерге сәйкессіздіктер жібереді. Осы мәселелерді шешу үшін зерттеушілер әртүрлі техникаларды тапты жасанды интеллект бұл қалыпқа келеді деректер.

Жасанды жүйке жүйесі

Жасанды жүйке желілері (ANNs) деректер арасындағы байланыстың ішкі көріністерін дамыту үшін деректерді сканерлеу арқылы осы мәселелерді шешеді. Уақыт бойынша байланысты анықтай отырып, ANN деректері құрылымдық өзгерістерге тез жауап береді және бейімделеді. ANN-ге арналған екі модель бар: бақыланатын оқыту және бақылаусыз оқыту.

Жылы бақыланатын оқыту модельдер, қателіктерді азайту үшін қажет тесттер бар. Әдетте, қателіктер туындаған кезде, яғни тест нәтижесі тесттің кірісіне сәйкес келмейді, алгоритмдер қолданылады артқа таралу қателерді түзету. Ішінде бақылаусыз оқыту модельдер, кірістер жіктеледі, соның негізінде мәселелерді шешу қажет.

Эволюциялық модельдер

Эволюциялық бағдарламалау жиі басқа алгоритмдермен жұптасады, мысалы. АНН беріктігін, сенімділігі мен икемділігін арттыру. Эволюциялық модельдер бағдарламаның бекітілген құрылымында сандық мәндердің өзгеруіне жол беріп, қателіктерді азайтады. Дизайнерлер өздерінің алгоритмдерін айнымалылармен қамтамасыз етеді, содан кейін бағдарлама шығыс айнымалы кеңістігінде болжам жасайтын кіріс кеңістігінде анықталған ережелерді құруға көмектесетін оқу деректерін ұсынады.

Бұл тәсілде шешім жеке тұлғаға, ал популяция баламаға айналады. Алайда, экстремалдар жекелеген адамдардың күтпеген әрекетін тудырады, өйткені олар бүкіл жиынтықты түсіндіру үшін ережелер жасауға тырысады.

Ережеге негізделген жүйе

Мысалы, Кинтана[2] алдымен 7 негізгі айнымалысы бар модельді шығарады. Ережелер Мичиган мен Питтсбургте дамыған эволюциялық есептеу жүйесінен пайда болды:

  • Андеррайтер беделі - андеррайтер жетекші менеджер рөлінде беделді ме? Шын үшін 1, әйтпесе 0.
  • Баға диапазонының ені - Роуд-шоу кезінде әлеуетті клиенттерге ұсынылатын міндетті емес анықтамалық баға диапазонының ені. Бұл ені компанияның нақты құнына қатысты белгісіздік белгісі және сондықтан бастапқы кіріске әсер етуі мүмкін фактор ретінде түсіндіруге болады.
  • Бағаны түзету - ұсыныстың соңғы бағасы мен баға диапазонының ені арасындағы айырмашылық. Егер түзету алдыңғы баға диапазонынан тыс болса, оны сенімсіздік ретінде қарастыруға болады.
  • Ұсыныс бағасы - IPO-ның соңғы ұсыныс бағасы
  • Бөлінбеген акция - IPO-да сатылған акциялар санының, орналастырылғаннан кейінгі акция санына, IPO-да сатылған акциялар санынан алып тастағанда қатынасы.
  • Ұсыныс мөлшері - орналастыру мөлшерін қоспағанда миллиондаған доллардағы ұсыныс көлемінің логарифмі
  • Технология - бұл технологиялық компания ма? Шын үшін 1, әйтпесе 0.

Квинтана бұл факторларды инвесторлар назар аударатын сигнал ретінде пайдаланады. Оның командасы түсіндіретін алгоритм жоғары деңгейлі сенімділікті болжаудың тек мәліметтер жиынтығымен мүмкін болатындығын көрсетеді.

Екі қабатты эволюциялық болжам

Луке[3] деректер нүктелерінің жиынтығы (енгізу, шығару) бойынша сызықтық регрессияларды орындау арқылы ақаулармен проблемаға жақындайды. Алгоритм шулы мәліметтерге аймақтарды бөлу арқылы мәліметтермен айналысады. Схемада шулы үлгілерді оқшаулаудың артықшылығы бар, бұл ережелер генерациялау жүйесіне әсерлерді азайтады. Алгоритм оқшауланған деректер жиынтығы жалпы деректерге әсер ететіндігін түсіну үшін кейінірек оралуы мүмкін. Ақырында, алгоритмнің ең нашар нәтижелері барлық алгоритмдердің болжамдық қабілеттерінен асып түсті.

Агентке негізделген модельдеу

Қазіргі уақытта көптеген алгоритмдер инвесторлар арасында біртектес және ұтымды мінез-құлықты болжайды. Алайда, қаржылық модельдеуге балама тәсіл бар және ол аталады агент негізінде модельдеу (ABM). ABM әртүрлі автономды агенттерді пайдаланады, олардың мінез-құлқы эндогенді түрде дамиды, бұл жүйенің күрделі динамикасына әкеледі, кейде жеке агенттердің қасиеттерінен болжау мүмкін емес.[4] ABM есептеу қаржысына қолданыла бастайды. ABM дәлірек болуы үшін ереже құрудың жақсы модельдерін жасау керек.

Әдебиеттер тізімі

  1. ^ Морриконе, Серена; Федерико Мунари; Рафаэль Ориани; Gaétan de Rassenfosse (2017). «Коммерциализация стратегиясы және IPO бағасын төмендету» (PDF). Зерттеу саясаты. 46 (6): 1133–1141. дои:10.1016 / j.respol.2017.04.006.
  2. ^ Кинтана, Дэвид; Кристобал Луке; Педро Исаси (2005). «IPO бағасын болжаудың эволюциялық ережелеріне негізделген жүйесі». Генетикалық және эволюциялық есептеу бойынша 2005 конференциясының материалдарында (GECCO '05): 983–989. дои:10.1145/1068009.1068176. hdl:10016/4081. ISBN  1595930108.
  3. ^ Луке, Кристобал; Дэвид Кинтана; Дж. М. Валлс; Педро Исаси (2009). «IPO бағасын төмендетуге арналған екі қабатты эволюциялық болжам». Эволюциялық есептеу бойынша конгресстегі он бірінші конференция материалында (CEC'09). Пискатави, NJ, АҚШ: IEEE Баспасөз: 2374–2378. дои:10.1109 / cec.2009.4983237. ISBN  978-1-4244-2958-5.
  4. ^ Брабазон, Энтони; Цзян Данг; Ян Демпси; Майкл О'Нилл; Дэвид М.Эделман (2010). «Қаржылық табиғи есептеу: шолу» (PDF). Табиғи есептеу техникасы бойынша анықтамалық.