خوارزمية تسعير الاكتتاب العام الأولي بأقل من قيمته الحقيقية
 | تحتوي هذه المقالة على العديد من المشكلات. يُرجى المساعدة في تحسينها أو مناقشة هذه المشكلات على صفحة المناقشة . ( تعرف على كيفية ومتى يمكنك إزالة هذه الرسائل )
|
إن انخفاض سعر السهم في الاكتتاب العام الأولي هو زيادة قيمة السهم من سعر الطرح الأولي إلى سعر الإغلاق في اليوم الأول. يعتقد الكثيرون أن الاكتتابات العامة الأولية المنخفضة السعر تترك المال على الطاولة للشركات، لكن يعتقد البعض أن انخفاض السعر أمر لا مفر منه. يقول المستثمرون إن انخفاض السعر يشير إلى اهتمام كبير بالسوق مما يزيد الطلب. من ناحية أخرى، سوف تنخفض الأسهم المرتفعة السعر على المدى الطويل مع استقرار السعر، لذا فإن انخفاض السعر قد يحمي المصدرين من دعاوى المستثمرين.
خوارزميات تحديد الأسعار المنخفضة للاكتتاب العام الأولي
يهتم المستثمرون والشركات التي تطرح أسهمها للاكتتاب العام الأولي (IPO)، والجهات المصدرة، بقيمتها السوقية. وهناك دائمًا توتر ناتج عن ذلك، حيث يرغب المستثمرون في إبقاء السعر منخفضًا بينما ترغب الشركات في الحصول على سعر طرح عام أولي مرتفع.
قد يكون سبب انخفاض الأسعار أيضًا هو رد فعل المستثمرين المبالغ فيه مما يتسبب في ارتفاع الأسعار في الأيام الأولى من التداول. تشبه عملية تسعير الاكتتاب العام الأولي تسعير المنتجات الجديدة والفريدة حيث توجد بيانات متفرقة عن الطلب في السوق أو قبول المنتج أو الاستجابة التنافسية. وبالتالي، من الصعب تحديد سعر واضح وهو ما يتفاقم بسبب الأهداف المختلفة التي يسعى إليها المصدرون والمستثمرون.
تكمن المشكلة في تطوير الخوارزميات لتحديد الأسعار المنخفضة في التعامل مع مجموعات البيانات المشوشة والمعقدة وغير المنظمة. بالإضافة إلى ذلك، فإن الأشخاص والبيئة والظروف البيئية المختلفة تؤدي إلى حدوث مخالفات في البيانات. لحل هذه المشكلات، وجد الباحثون تقنيات مختلفة من الذكاء الاصطناعي تعمل على تطبيع البيانات.
النماذج التطورية
غالبًا ما يتم إقران البرمجة التطورية بخوارزميات أخرى مثل الشبكات العصبية الاصطناعية لتحسين المتانة والموثوقية والقدرة على التكيف. تقلل النماذج التطورية معدلات الخطأ من خلال السماح للقيم العددية بالتغيير داخل البنية الثابتة للبرنامج. يزود المصممون خوارزمياتهم بالمتغيرات، ثم يقدمون بيانات التدريب لمساعدة البرنامج على إنشاء قواعد محددة في مساحة الإدخال التي تقوم بالتنبؤ في مساحة متغير الإخراج.
في هذا النهج، يتم تقديم الحل بشكل فردي ويتم تقديم المجموعة من البدائل. ومع ذلك، فإن القيم المتطرفة تجعل الأفراد يتصرفون بشكل غير متوقع أثناء محاولتهم إنشاء قواعد لشرح المجموعة بأكملها.
نظام قائم على القواعد
على سبيل المثال، قام كوينتانا [1] أولاً بتلخيص نموذج يحتوي على 7 متغيرات رئيسية. وقد تطورت القواعد من نظام الحوسبة التطورية الذي تم تطويره في ميشيغان وبيتسبرغ:
- مكانة كاتب الضمان – هل كاتب الضمان مرموق في دوره كمدير رئيسي؟ 1 للصواب، 0 بخلاف ذلك.
- عرض النطاق السعري – عرض النطاق السعري المرجعي غير الملزم المقدم للعملاء المحتملين أثناء الجولة الترويجية. يمكن تفسير هذا العرض كإشارة إلى عدم اليقين بشأن القيمة الحقيقية للشركة وبالتالي، كعامل يمكن أن يؤثر على العائد الأولي.
- تعديل السعر – الفرق بين سعر العرض النهائي وعرض النطاق السعري. ويمكن اعتباره حالة من عدم اليقين إذا كان التعديل خارج النطاق السعري السابق.
- سعر العرض – سعر العرض النهائي للاكتتاب العام الأولي
- المخزون المحتفظ به - نسبة عدد الأسهم المباعة عند الطرح العام الأولي مقسومًا على عدد الأسهم بعد الطرح مطروحًا منه عدد الأسهم المباعة عند الطرح العام الأولي.
- حجم العرض - لوغاريتم حجم العرض بالملايين من الدولارات باستثناء خيار التخصيص الزائد
- التكنولوجيا - هل هذه شركة تكنولوجيا؟ 1 للإجابة الصحيحة، و0 بخلاف ذلك.
ويستخدم كوينتانا هذه العوامل كإشارات يركز عليها المستثمرون. وتُظهِر الخوارزمية التي يشرحها فريقه كيف يمكن التوصل إلى تنبؤ بدرجة عالية من الثقة باستخدام مجموعة فرعية فقط من البيانات.
التنبؤ التطوري ثنائي الطبقات
يتناول لوك [2] المشكلة المتعلقة بالقيم المتطرفة من خلال إجراء انحدارات خطية على مجموعة من نقاط البيانات (الإدخال والإخراج). تتعامل الخوارزمية مع البيانات من خلال تخصيص مناطق للبيانات المشوشة. تتمتع الخطة بميزة عزل الأنماط المشوشة مما يقلل من تأثير القيم المتطرفة على نظام توليد القواعد. يمكن للخوارزمية العودة لاحقًا لفهم ما إذا كانت مجموعات البيانات المعزولة تؤثر على البيانات العامة. أخيرًا، تفوقت أسوأ النتائج من الخوارزمية على جميع القدرات التنبؤية للخوارزميات الأخرى.
النمذجة القائمة على الوكيل
حاليًا، تفترض العديد من الخوارزميات سلوكًا متجانسًا وعقلانيًا بين المستثمرين. ومع ذلك، هناك نهج بديل للنمذجة المالية، ويُطلق عليه النمذجة القائمة على الوكيل (ABM). تستخدم النمذجة القائمة على الوكيل وكلاء مستقلين مختلفين يتطور سلوكهم داخليًا مما يؤدي إلى ديناميكيات نظام معقدة يصعب أحيانًا التنبؤ بها من خصائص الوكلاء الفرديين. [3] بدأ تطبيق النمذجة القائمة على الوكيل على التمويل الحاسوبي. ومع ذلك، لكي تكون النمذجة القائمة على الوكيل أكثر دقة، يجب تطوير نماذج أفضل لتوليد القواعد.
مراجع
- ^ كوينتانا، ديفيد؛ كريستوبال لوك؛ بيدرو إيزاسي (2005). "نظام قائم على القواعد التطورية للتنبؤ بأسعار الاكتتاب العام الأولي المنخفضة". وقائع المؤتمر السنوي السابع حول الحوسبة الجينية والتطورية . ص 983-989. doi :10.1145/1068009.1068176. hdl : 10016/4081 . ISBN 1595930108. S2CID 3035047.
- ^ لوك، كريستوبال؛ ديفيد كوينتانا؛ جيه إم فالس؛ بيدرو إيزاسي (2009). "التنبؤ التطوري ثنائي الطبقات لتسعير الاكتتاب العام الأولي بأقل من قيمته الحقيقية". مؤتمر معهد مهندسي الكهرباء والإلكترونيات لعام 2009 حول الحوسبة التطورية . بيسكاتاوي، نيوجيرسي، الولايات المتحدة الأمريكية: مطبعة معهد مهندسي الكهرباء والإلكترونيات. ص 2374-2378. doi :10.1109/cec.2009.4983237. ISBN 978-1-4244-2958-5. S2CID 1733801.
- ^ برابازون، أنتوني؛ جيانج دانج؛ إيان ديمبسي؛ مايكل أونيل؛ ديفيد م. إيدلمان (2010). "الحوسبة الطبيعية في التمويل: مراجعة" (PDF) . دليل الحوسبة الطبيعية .
