پیش بینی شاخص عمومی بلند مدت بر اساس انتخاب ویژگی ها و روش های جستجو: متن بازار بورس اوراق بهادار AMMAN از یک مقاله علمی در تخصص "اقتصاد و تجارت"

شاخص سهام AMMAN / انتخاب ویژگی ها و روش های جستجو / رگرسیون خطی / بخش های اقتصادی / مدل های پیش بینی / خدمات مالی / شاخص عمومی بلند مدت / پناهندگان SYRICA / SIRI یک تحلیل جنگ / همبستگی

حاشیه نویسی یک مقاله علمی در مورد اقتصاد و تجارت ، نویسنده کار علمی کار-الججار دانا ، النججار هزم ، الروسن نادیا

بورس سهام یک ستون فقرات اساسی برای اقتصاد در سراسر جهان است. Inditses آنها شاخص هایی را در مورد عملکرد بنگاه های ذکر شده در بازار مالی به دلیل ردیابی معاملات روزانه ، به همه احزاب Intersted ارائه می دهد. این مطالعه با هدف بررسی عواملی که مستقیماً در بورس تأثیر می گذارند ، به گونه ای که ساخت یک شاخص مبادله در بازار مالی اردن را ساده می کند. فرضیه مطالعه فرض می کند که برخی از زیر بخش ها در ایجاد مدل پیش بینی بازار سهام تأثیرگذارترین هستند. از این رو ، این مطالعه چهار روش انتخاب ویژگی را در 23 بخش زیر بخش و شاخص بورس سهام AMMAN (ASEI100) برای دوره 2008-2018 اعمال می کند. 10 ویژگی برتر از هر روش انتخاب ترکیب شده و از فرکانس برای یافتن حملات تثبیت شده استفاده می شود. علاوه بر این ، از رگرسیون خطی با رگرسیون حداقل مربع معمولی برای آزمایش تنوع چهره های بالا که غالباً در چهار روش و اثر آنها در anei اتفاق می افتد ، استفاده می شود. این نتایج نشان داد که منطقه شش زیر بخش اصلی که مستقیماً روی شاخص عمومی در اردن تأثیر می گذارند: خدمات مراقبت های بهداشتی ، صنایع معدن و ایمن ، منسوجات ، پوشاک چرمی ANA D ، املاک و مستغلات ، خدمات مالی و حمل و نقل. بنابراین می توان از بخش ها برای پیش بینی حرکات شاخص بورس اوراق بهادار امان در اردن استفاده کرد. همچنین ، خروجی مدل رگرسیون خطی رابطه آماری معنی داری بین شش بخش زیر (متغیرهای مستقل) و ASEI (متغیر وابسته) نشان داد. سرمایه گذاران یافته های این مقاله را برای نشان دادن مهمترین در اردن نیشکر می کنند. بنابراین ، به تصمیم گیری در مورد سرمایه گذاری کمک می کند.

من از آگهی ها خسته شده ام؟همیشه می توانید تبلیغات را خاموش کنید.

مباحث مشابهی از آثار علمی در مورد اقتصاد و تجارت ، نویسنده کار علمی کار-الججار دانا ، النجار هزم ، الروسان نادیا

تجزیه و تحلیل ادغام و تأثیر اقتصاد کلان نسبت به شاخص های سهام بخش در بورس اوراق بهادار اندونزی: یک مطالعه موردی در دوره 2009-2016

تأثیر عوامل کلان اقتصادی و خطر در بازگرداندن سهام Secitor Industrial Indonesia در سال 2008 تا 2015

پیش بینی شاخص MICEX: قدرت پیش بینی مدل سازی شبکه عصبی و دستگاه بردار پشتیبانی

پریشانی مالی ، عوامل کلان اقتصادی و تأثیر آن بر قیمت سهام در شرکتهای معدن که در زیرمجموعه ذغال سنگ ثبت شده در دوره بورس اوراق بهادار اندونزی در حدود 2013- 2017 ثبت شده اند

یادداشتی در مورد پیش بینی بازار سهام روسیه من نمی توانم آنچه را که شما نیاز دارید پیدا کنم؟سرویس انتخاب ادبیات را امتحان کنید. من از آگهی ها خسته شده ام؟همیشه می توانید تبلیغات را خاموش کنید.

متن کار علمی در مورد موضوع "پیش بینی شاخص عمومی بلند مدت بر اساس انتخاب ویژگی ها و روش های جستجو: بازار بورس اوراق بهادار Amman"

https://doi. org/10. 17059/ekon. reg. 2022-4-24 UDC 336. 7

Dana Al-Najjar a> © Hazem Al-Najjar b> © E, Nadia Al-Rousan c> ©

الف) دانشگاه خصوصی علوم کاربردی ، اردن ب) دانشگاه استانبول گلیزیم ، استانبول ، ترکیه ج) دانشگاه سوهار ، سوهار ، عمان ، عمان

پیش بینی شاخص عمومی بلند مدت بر اساس انتخاب ویژگی ها و روش های جستجو: بورس سهام Amman 1

خلاصه. بورس سهام یک ستون فقرات اساسی برای اقتصاد در سراسر جهان است. شاخص های آنها شاخص هایی را در مورد عملکرد بنگاههای ذکر شده در بازار مالی به دلیل ردیابی معاملات روزانه ، به کلیه علاقه مندان در اختیار شما قرار می دهد. این مطالعه با هدف بررسی عواملی که به طور مستقیم در بورس تأثیر می گذارند ، به گونه ای که ساخت یک مدل پیش بینی برای شاخص مبادله در بازار مالی اردن را ساده می کند. فرضیه مطالعه فرض می کند که برخی از بخش های زیر در ایجاد مدل پیش بینی بازار سهام تأثیرگذار هستند. بنابراین ، این مطالعه چهار روش انتخاب ویژگی را در 23 بخش زیر بخش و شاخص بورس سهام AMMAN (ASEI100) برای دوره 2008-2018 اعمال می کند. 10 ویژگی برتر از هر روش انتخاب ترکیب شده و از جدول فرکانس برای یافتن ویژگی های بسیار قابل اعتماد استفاده می شود. علاوه بر این ، رگرسیون خطی با رگرسیون حداقل مربع معمولی برای آزمایش اعتبار فاکتورهای برتر که اغلب در چهار روش و تأثیر آنها بر ASEI رخ می دهد ، استفاده می شود. نتایج نشان داد که شش بخش اصلی وجود دارد که مستقیماً در شاخص عمومی در اردن تأثیر می گذارد: خدمات مراقبت های بهداشتی ، صنایع معدن و استخراج ، منسوجات ، چرم و پوشاک ، املاک و مستغلات ، خدمات مالی و حمل و نقل. از این بخش ها می توان برای پیش بینی حرکات شاخص بورس اوراق بهادار امان در اردن استفاده کرد. همچنین ، خروجی مدل رگرسیون خطی رابطه آماری معنی داری بین شش بخش زیر (متغیرهای مستقل) و ASEI (متغیر وابسته) نشان داد. سرمایه گذاران می توانند از یافته های این مقاله برای نشان دادن مهمترین بخش های اردن استفاده کنند. بنابراین ، به تصمیم گیری در مورد سرمایه گذاری کمک می کند.

واژه های کلیدی: شاخص سهام Amman ، انتخاب ویژگی ها و روش های جستجو ، رگرسیون خطی ، بخش های اقتصادی ، مدل های پیش بینی ، خدمات مالی ، شاخص عمومی بلند مدت ، پناهندگان سوری ، جنگ سوریه ، تجزیه و تحلیل همبستگی

برای استناد: النججار ، D. ، النججار ، H. و ال-روسان ، N. (2022). پیش بینی شاخص عمومی بلند مدت بر اساس انتخاب ویژگی ها و روش های جستجو: بازار بورس اوراق بهادار. Ekonomika منطقه/اقتصاد مناطق ، 18 (4) ، 1301-1316 ، https://doi. org/10. 17059/ekon. reg. 2022-4-24.

1 © Al-Najjar D. ، Al-Najjar H. ، Al-Rousan N. Text. 2022

. ал-یعنی рар ay) о ، н. ал-یعنی б (б) о ، н. а-re

а) частный uниверситет прикоکام нау ، г. аан ، иордания б) ста000бсссй uниверситет гелишим ، г. стаarб ، турция)"

استفاده از روش انتخاب علائم برای پیش بینی طولانی مدت شاخص بورس اوراق بهادار امان

حاشیه نویسیبورس سهام - بخشی جدایی ناپذیر از اقتصاد جهانی ؛به لطف پیگیری عملیات روزانه ، شاخص های سهام منعکس کننده تغییر در فعالیت های شرکتهای ارائه شده در بازار مالی است. برای ساختن الگویی برای پیش بینی شاخص سهام اردن در این مقاله ، عوامل به طور مستقیم بر روی شاخص بورس اوراق بهادار بررسی می شوند. برای شناسایی کدام بخش از اقتصاد بیشترین تأثیر را در مدل پیش بینی دارد ، نویسندگان چهار روش انتخاب علائم را برای مطالعه ارتباط بین 23 بخش و شاخص بورس اوراق بهادار Ammana (ABE1100) برای دوره 2008-2018 به کار بردند. در هر مدل ، 10 مورد از مهمترین عوامل اختصاص داده شد که سپس آنها را با هم ترکیب کردند و وارد جدول فرکانس شدند. برای تأیید قابلیت اطمینان عوامل اصلی ، که اغلب در چهار مدل یافت می شد ، و همچنین برای ارزیابی تأثیر آنها در ABE1 از رگرسیون خطی و کوچکترین مربعات معمول استفاده می شود. نتایج این مطالعه نشان داد که شش بخش اصلی وجود دارد که مستقیماً بر شاخص سهام عمومی در اردن تأثیر می گذارد: مراقبت های بهداشتی ، معدن ، تولید ، منسوجات و محصولات چرمی ، املاک و مستغلات ، خدمات مالی ، حمل و نقل. از شاخص های این بخش ها می توان برای پیش بینی تغییرات در شاخص بورس اوراق بهادار امان در اردن استفاده کرد. علاوه بر این ، رگرسیون خطی رابطه آماری معنی داری بین شش بخش (متغیرهای مستقل) و ABE1 (متغیر وابسته) نشان داد. نتایج که مهمترین بخش های اقتصاد اردن را توصیف می کند ، می تواند توسط سرمایه گذاران برای تصمیم گیری در مورد سرمایه گذاری استفاده شود.

واژه های کلیدی: شاخص سهام امان ، روشهای علائم ، رگرسیون خطی ، بخشهای اقتصاد ، مدل های پیش بینی ، خدمات مالی ، شاخص طولانی مدت ، پناهندگان سوری ، جنگ در سوریه ، تجزیه و تحلیل همبستگی

برای نقل قول: Al-Sales d. ، Al-Resident N. ، Al-Rosean N. (2022). استفاده از روش انتخاب علائم برای تعیین تأثیر بخش های اقتصاد بر پیش بینی طولانی مدت شاخص بورس اوراق بهادار امان. اقتصاد منطقه ، 18 (4) ، 1301-1316. https://doi. org/10. 17059/ekon. reg. 2022-4-24.

تجزیه و تحلیل بازار سهام همیشه موضوع جالبی برای محققان و سرمایه گذاران بوده است

علت عوامل کلان و خرد بسیار اینترنت ، که شامل اقتصاد ، سیاست ، psy-

chology و جنبه های خاص شرکت. از این رو ،

با گذشت سالها ، افراد علاقه مند به مبانی نظری مختلفی در ریاضیات ارائه شده اند که توسعه روش ها و مدل های مختلف برای تجزیه و تحلیل بازار سهام را تسهیل می کند. علاوه بر این ، پیش بینی قیمت سهام را با استفاده از روشهای مختلف ریاضی امکان پذیر می کند.

نظریه های متعدد نتایج متناقض در مورد توانایی پیش بینی قیمت سهام با استفاده از داده های تاریخی دارند. یکی از تأثیرگذارترین نظریه ها فرضیه بازار کارآمد (EMH) بود که در سال 1970 توسط FAMA ارائه شد ، که بیان می کند که پیش بینی سهام با استفاده از داده های تاریخی قابل دستیابی نیست زیرا تمام اطلاعات در حال حاضر در قیمت سهام منعکس شده است. از طرف دیگر ، اگرچه فرضیه بازار کارآمد (EMH) با پیش بینی قیمت سهام ، به ویژه با

نمونه هایی از بازارهای نوظهور ، به دلایل زیادی ، چنین بازارهایی در همه سطوح ناکارآمد هستند (Lo ، Mackinaly ، 1988 ؛ Cao ، Parry ، Leggio ، 2011).

علاوه بر این ، پیش بینی سهام یک مسئله اساسی و چالش برانگیز در امور مالی به دلیل بانک اطلاعاتی گسترده قیمت هایی است که مدیران ، تحلیلگران و سایر احزاب برای طبقه بندی و پیش بینی آنها باید از طریق آن کار کنند. این همه در حال حرکت به مرحله چالش برانگیز بعدی است: بسته به برنامه های رایانه ای پیشرفته برای مدیریت داده های موجود از طریق مکانیسم های داده کاوی برای تسهیل پیش بینی. یکی از روشی که ثابت می کند در این مورد کارآمد است ، روش انتخاب ویژگی است. از آن برای فیلتر کردن ویژگی های اضافی و/یا بی ربط استفاده می شود. علاوه بر این ، بسیاری از عوامل مهم در بورس سهام را ارزیابی می کند تا زیر مجموعه ویژگی های بهینه را نشان دهد که قدرت پیش بینی مناسب را در مدل سازی داده های موجود فراهم می کند.

این مطالعه با هدف پاسخگویی به سوالات زیادی انجام شده است. که مهمترین بخش های زیر بورس امان هستند که می توانند بر یک ژنرال تأثیر بگذارند

شاخص eral؟آیا می توان از انتخاب ویژگی برای انتخاب بیشترین بخش های متصل به شاخص عمومی استفاده کرد؟آیا می توان از یک مدل رگرسیون خطی برای اعتبارسنجی توانایی پیش بینی شاخص سهام استفاده کرد؟در این مطالعه از یک مجموعه داده بلند مدت از شاخص های بورس سهام Amman به مدت ده سال (2008-2018) استفاده شده است. پس از انتخاب ویژگی های بهینه ، از یک مدل رگرسیون خطی برای تأیید توانایی بخش ها برای برآورد شاخص کلی و پیش بینی دقیق قیمت ها و شاخص های بازار سهام استفاده شد.

مابقی این مقاله به ترتیبی که در ادامه میآید ارائه میگردد. بخش 2 شامل مطالعات قبلی و یک چارچوب نظری است ، و بخش 3 مطالعه موردی از بازار بورس اوراق بهادار و روش شناسی آن را توضیح می دهد. بخش 4 روش اتخاذ شده در این مقاله را نشان می دهد. بخش 5 تست های اصلی آماری توصیفی را خلاصه می کند. بخش 6 روشهای انتخاب ویژگی های اعمال شده در این مطالعه و خروجی های آنها را نشان می دهد ، همچنین نتیجه روشهای معمولی حداقل مربع. بخش 7 نتیجه گیری از تست های مورد استفاده در این مقاله را خلاصه می کند.

2. مطالعات قبلی و چارچوب نظری

عملکرد عالی بازار سهام برای سلامتی اقتصاد کشور ضروری است و به عنوان سیگنال خوبی برای رشد اقتصادی عمل می کند. شاخص عمومی یکی از مهمترین شاخص های عملکرد بازار سهام است. شاخص عمومی بورس اوراق بهادار حرکات خرید و فروش قیمت سهام شرکت ها را در بازار ردیابی می کند. همچنین می تواند به طور کلی به قدرت خرید بازار اشاره کند. شاخص عمومی به عنوان شاخص وزنی سرمایه گذاری در بازار تعریف می شود و با در نظر گرفتن مهمترین و برجسته ترین شرکت های بازار محاسبه می شود.

از طرف دیگر ، زیر بخش ها مطابق بنگاه های موجود در هر بخش اندازه گیری می شوند. به عنوان مثال ، شاخص بانکها با استفاده از قیمت سهام بانکی ذکر شده در بورس اوراق بهادار امان حاوی بانکهای نماینده در بازار مالی محاسبه می شود. بسیاری از مطالعات بر توضیح روند و رفتار بازار فقط با استفاده از زیر بخش ها بدون در نظر گرفتن تمام متغیرهایی که مشخص شده است مربوط به مطالعات قبلی است ، متمرکز شده اند. این امر به دلیل محدودیت های مربوط به هزینه بالاتر ، وقت گیر و فرآیند پیچیده با توزیع احتمالات مختلف برای متغیرهای انتخاب شده است که این امر بر نتیجه گیری تأثیر منفی می گذارد. علاوه بر این ، محققان و محققان مختلف بسیاری از تست های آماری را برای انتخاب تأثیرگذارترین متغیرها که مستقیماً با اتخاذ پارامترهای مختلف بر بازارهای مالی تأثیر می گذارند ، بررسی کردند.

شاخص بورس اوراق بهادار ، قیمت سهام ، قیمت نفت ، ورشکستگی بنگاهها و غیره). بنابراین ، تصمیم گیری توسط مدیران سرمایه گذاری و طرفین ذینفع در مورد امور مالی و سرمایه گذاری را تسهیل می کند. در طول سالها ، پارامترهای بی شماری برای مشخص کردن متغیرهای مهم بازار مالی استفاده شد. Chundakkadan و Sasasdharan (2019) رابطه بین بازده سهام بانک مرکزی و عملیات روزانه بازار آزاد (OMO) را مورد مطالعه قرار دادند. برای اینکه این مطالعه منحصر به فرد باشد ، نویسندگان از دو ابزار جدید سیاست پولی ، گسترش repo و گسترش repo معکوس استفاده کردند. نتایج نشان داد که عملیات بازار پول بانک مرکزی به طور قابل توجهی بر بازده سهام روزانه تأثیر می گذارد. همچنین ، پیش بینی بازده سهام با استفاده از متغیرهای سیاست پولی قابل بهبود است. همچنین ، Choudhry و Osoble (2015) روابط طولانی مدت و کوتاه مدت بین بخش های صنعتی سهام ایالات متحده و سه بازار نوظهور از جمله برزیل ، مالزی و آفریقای جنوبی را بررسی کردند. پس از تجزیه و تحلیل داده ها با استفاده از تکنیک های مختلف سری زمانی اقتصاد سنجی غیرخطی ، نتایج تجزیه و تحلیل سری زمانی نشان داد که بازارهای مالی جهانی تمایل به بی ثبات و آشفته دارند. نویسندگان توضیح دادند که نتیجه گیری از مطالعه آنها می تواند سرمایه گذاران را به تمرکز بر سرمایه گذاری در بخش های خاص صنعتی انگیزه دهد. Syed Nor ، Ismail and Yap (2019) یک مدل پیش بینی ورشکستگی شخصی را پیشنهاد کردند که یک سیستم هشدار برای اقتصاد مالزی ایجاد کند تا موارد ورشکستگی شخصی را به حداقل برساند زیرا کل پرونده های ورشکستگی شخصی در سال 2014 به 131282 در مالزی رسیده است. سیستم پیش بینی مبتنی بر ارزیابی 12 پیش بینی کننده و انتخاب کارآمدترین مدل در بین مدلهای کلی است. پس از تجزیه و تحلیل مدلهای پیش بینی مختلف ، نتایج نشان داد که استفاده از تمام متغیرها ممکن است مدل پیش بینی را بهبود بخشد و انتخاب بیشترین ارتباط باعث افزایش پیش بینی می شود.

علاوه بر این ، گوپتا و همکاران.(2019) با استفاده از شاخص استرس مالی اندازه گیری مبتنی بر خبری (FSI) ، توانایی پیش بینی بازده و نوسانات متوسط و نوسانات غرب تگزاس را بررسی کرد. همبستگی مشروط پویا چند متغیره تعمیم یافته خودجوشی خودجوش (DCC-MGARCH) برای اعتبارسنجی رابطه بین دو متغیر استفاده شد. نتایج نشان داد که آزمایش گرنجر خطی نتوانست هیچ مدرکی از پیش بینی را تشخیص دهد. نتایج نشان داد که استفاده از FSI به عنوان یک متغیر مستقل برای پیش بینی بازده روغن برای استفاده از یک رابطه غیرخطی مناسب است.

Bhuiyan و همکاران.(2019) رابطه بین سوکوک (پیوند اسلامی) و تنوع جهانی را مورد بررسی قرار داد و مزایایی را که از فروش سوکوک انتظار می رود با استفاده از موج تجزیه و تحلیل کرد

اجازه دهید انسجام و تجزیه و تحلیل چند متغیره. این مطالعه نوسانات و همبستگی شاخص های اوراق قرضه حاکمیتی در کشورهای مختلف از جمله ایالات متحده ، کانادا ، آلمان ، انگلیس ، استرالیا و ژاپن و شاخص Thomson Reuters BPA Malaysia Sukuk را در نظر گرفته است. نتایج نشان داد که شاخص سوکوک مالزی همبستگی کمتری نسبت به بازده اوراق بهادار بازار توسعه یافته دارد. علاوه بر این ، بازارهای اوراق قرضه ایالات متحده و کانادا رابطه منفی منفی با بازار سوکوک مالزی دارند.

با این حال ، Kirikkaleli (2018) با در نظر گرفتن تست های مختلف ، از جمله تاخیر توزیع شده خودکار (ARDL) ، برآوردگر حداقل مربعات معمولی پویا (DOLS) و سوئیچینگ مارکوف ، تأثیر عوامل داخلی و خارجی تایوان را بر روی شاخص بازار سهام بررسی کرد. نتایج آزمون بلند مدت نشان داد که ترکیب دو عامل ، عمدتا داخلی و خارجی ، به شدت روی شاخص بازار سهام تأثیر می گذارد. همچنین ، مغادام ، مغادام و اسفندری (2016) در مورد توانایی استفاده از شبکه های عصبی مصنوعی به جلو تبلیغات به جلو در پیش بینی شاخص بورس روزانه NASDAQ بررسی کردند. قیمت سهام کوتاه مدت سهام برای ساخت یک مدل پیش بینی به مدت شش ماه در نظر گرفته می شود. نتایج نشان داد که شبکه عصبی به طرز چشمگیری می تواند شاخص NASDAQ را پیش بینی کند.

از طرف دیگر ، مطالعات بیشتر به شاخص های قابل توجه بازار مالی مانند Qiu و Song (2016) علاقه مند بودند ، که توانایی پیش بینی قیمت روز بعد شاخص بازار سهام ژاپن را با استفاده از دو متغیر ورودی بررسی کرده است. یک شبکه عصبی بهینه شده با استفاده از یک الگوریتم ژنتیکی برای پیش بینی شاخص های بازار پیشنهاد شده است. در مقایسه با مطالعات قبلی ، نتایج نشان داد که انتخاب بهترین متغیرها برای ساخت یک مدل پیش بینی می تواند عملکرد پیش بینی بازار شاخص سهام در ژاپن را بهبود بخشد. همچنین ، هو و همکاران.(2018) یک شبکه عصبی بهبود یافته را برای پیش بینی افتتاح شاخص های سهام صنعتی S& P 500 و داو جونز پیشنهاد کرد. شبکه عصبی پیشرفته مبتنی بر الگوریتم سینوسی و کوسین است که بر اساس تنظیم وزن و اساس شبکه های عصبی انتشار پشت ساخته شده است. دو سناریو برای تأیید اعتبار سیستم پیش بینی ، از جمله پیش بینی بدون روندهای گوگل و با روندهای گوگل در نظر گرفته شده است. نتایج نشان داد که عملکرد شبکه عصبی پیشنهادی بالاتر از مطالعات قبلی است که از بهینه سازی های دیگر مانند بهینه سازی ذرات استفاده کرده است. سرانجام ، پس از مقایسه همه مدل ها و تجزیه و تحلیل عملکرد آنها ، نتایج نشان داد که استفاده از روندهای Google می تواند عملکرد سیستم پیش بینی را بهبود بخشد. چن و هائو (2018) بورس اوراق بهادار شانگهای و شنژن را بررسی کردند

پیش بینی بازار با ادغام تجزیه و تحلیل مؤلفه اصلی (PCA) و دستگاه بردار پشتیبانی وزنی (WSVM) ، علاوه بر ترکیب ادغام های مختلف بین PCA و سایر مدلهای پیش بینی. نتایج نشان داد که مدل پیشنهادی در پیش بینی حرکت بازار سهام بهتر از سایر مدل ها است.

علاوه بر این ، بسیاری از محققان با پیش بینی قیمت سهام و حرکات شاخص عمومی ، در حال درک و بررسی عملکرد بازار سهام هستند. از مدل های مختلف یادگیری ماشین در روش شناسی استفاده شده است ، از جمله چندین شبکه عصبی (Chauhan ، Ravi ، Chandra ، 2009 ؛ De Faria et al. ، 2009 ؛ Adebiyi ، Adewumi ، Ayo ، 2014 ؛ Zahedi ، Rounaghi ، 2015 ؛ در عوض ، Agarwal ، Sastrytry، 2015 ؛ INTHACHOT ، BOONJING ، INTAKOSUM ، 2016 ؛ Khuat et al. ، 2016 ؛ Chandar ، Sumathi ، Sivanandam ، 2016 ؛ Wang et al. ، 2016 ؛ Hiransha et al. ، 2018 ؛ Chen ، Hao 2018 ؛ Zhou et al ، Zhou et al. 2019 ؛ Orimoloye et al. ، 2020 ؛ Al-Najjar D. et al. ، 2022 ؛ Al-Najjar H. et al. ، 2021) ، دستگاه های بردار پشتیبانی (Nahil ، Lyhyaoui ، 2018 ؛ Tang ، Dong ، Shi ، 2019 ؛Umer ، Sevil ، Sevil ، 2019) ، میانگین متحرک یکپارچه Autoregressive (ARIMA) (Umer ، Sevil ، Sevil ، 2019 ؛ Assous et al. ، 2020). علاوه بر این ، برخی از محققان ثابت کردند که مدل های رگرسیون خطی می توانند از عملکرد مدل های یادگیری ماشین فراتر رفته و تخمین خطی را برای متغیرهای مستقل بهبود بخشند ، همانطور که توسط النججار D. و همکاران بحث شده است.(2022).

طبق مطالعات قبلاً ذکر شده ، می توان نتیجه گرفت که هیچ مدل بهینه ای وجود ندارد که بتواند برای کلیه شاخص های بازار سهام در سراسر جهان نصب شود. از این رو ، قبل از ساختن یک مدل پیش بینی برای بازار سهام ، تجزیه و تحلیل داده ها برای بررسی و تعریف متغیرهای مهمی که برای بهبود مدل پیش بینی باید استفاده شوند ، ضروری است. بنابراین ، تعیین متغیرهای قابل توجه به طور مستقیم با پیش بینی قیمت و شاخص های بازار سهام می تواند به غلبه بر متغیرهای مغرضانه یا نادرست کمک کند. این مطالعه علاقه مند به استفاده از روش انتخاب ویژگی در شاخص بورس اوراق بهادار Amman (ASEI100) برای انتخاب زیرمجموعه هاست که به طور مستقیم و به طور قابل توجهی با شاخص در طول دوره (2008-2018) مرتبط هستند تا ایجاد مدل پیش بینی برای آینده را تسهیل کند. مطالعات.

3. مطالعه موردی: بورس سهام امان

اردن یکی از کشورهای خاورمیانه است که در آسیای غربی در ساحل شرقی رودخانه اردن واقع شده است. اردن با چهار کشور از جمله عربستان سعودی (جنوب و شرق) ، عراق (شمال شرقی) ، سوریه (شمال) و فلسطین (غرب) هم مرز است. همانطور که گفته شد ، اقتصاد آن را می توان به عنوان یک کشور در حال ظهور یک کشور در حال درآمد متوسط توصیف کرد

توسط بانک جهانیدر سال 2000 ، اردن اولین کشور عربی شد که به سازمان تجارت جهانی (WTO) پیوست ، که به اردن اجازه داد تجارت آزاد با ایالات متحده برقرار کند. علاوه بر این ، اردن توانایی بالایی برای صادرات محصولات خود به بازارهای اروپایی نیز داشت. علاوه بر این ، تولید ناخالص داخلی بین سالهای 2004 و 2008 با نرخ متوسط 8 ٪ سالانه رشد کرده و از سال 2010 به بعد تا به امروز به 2. 6 ٪ کاهش یافته است. در سال 2011 ، بهار عربی در بسیاری از کشورهای عربی علاوه بر کشورهای همسایه باعث رکود و آشفتگی شد. این باعث کاهش رشد تولید ناخالص داخلی اردن و تأثیر منفی بسیاری از بخش های اقتصاد اردن ، از جمله تجارت ، صنعت ، ساخت و ساز و گردشگری شد. با توجه به شرایط ناپایدار سیاسی منطقه ، بسیاری از موانع رخ داده است ، از جمله کاهش سطح توریستی و سرمایه گذاری های خارجی که در عوض منجر به افزایش هر دو هزینه نظامی و میزبانی هزینه پناهندگان شد.

اقتصاد اردن به بخش های مختلفی از جمله حمل و نقل و ارتباطات ، خدمات عمومی ، حساب های ساختمانی ، معدن و تولید بستگی دارد. بنابراین ، این یک اقتصاد متنوع است. علاوه بر این ، بازار سهام برای تأمین سرمایه به بنگاه ها و اجازه به اشتراک گذاری سود این شرکت در بین بسیاری از سرمایه گذاران تأسیس شد. بورس اوراق بهادار امان (ASE) در سال 1999 به عنوان یک بازار تنظیم شده برای اوراق بهادار تجارت در اردن تأسیس شد. در سال 2017 ، ASE به عنوان یک شرکت سهامداری عمومی ثبت شد. وظایف اصلی ASE شامل کار ، مدیریت و توسعه بازارهای عملیاتی در داخل و خارج از اردن است.

4- محاسبه شاخص عمومی

این مطالعه از تجزیه و تحلیل ویژگی در شاخص بازار بورس اوراق بهادار اردن ، شاخص بورس اوراق بهادار امان (ASEI100) استفاده می کند. محاسبه این شاخص به مایع ترین و بزرگترین بنگاه های موجود در بورس بستگی دارد و هدف اصلی آن نشان دادن چگونگی نوسان قیمت بورس در طی جلسات معاملاتی است. علاقه مندان مانند سرمایه گذاران و مدیران مالی برای درک روند بازار برای پیش بینی حرکات بازار سهام ، به شاخص عمومی بستگی دارند و این به آنها کمک می کند تا تصمیمات مربوط به سرمایه گذاری دقیق از جمله صدور ، خرید یا فروش را بگیرند.

شاخص بورس سهام یک سبد فرضی از سهام یک شرکت است که در بورس اوراق بهادار ذکر شده است و نمایانگر یک بخش بازار است. یکی از ویژگی های اصلی ASEI این است که به شناور رایگان بستگی دارد. از این رو ، بازتاب بهتری از تغییرات در قیمت سهام را نشان می دهد و نسبت به سرمایه بزرگ بازار تعصب کمتری دارد ، که در عوض ، بسته به شاخص عمومی ، پشتیبانی بیشتری از قدرت پیش بینی مدل را فراهم می کند.

شاخص بورس اوراق بهادار امان (ASEI) شامل 100 مورد از مایع ترین و بزرگترین بنگاه های ذکر شده در بورس اوراق بهادار اردن است. با استفاده از روش Paasche که توسط مبادلات مختلف در سراسر جهان به شرح زیر اتخاذ می شود ، محاسبه می شود:

فهرست (T) = (MT / B) • 1000 ، (1)

در جایی که MT سرمایه گذاری در بازار نمایندگان در زمان T (مجموع سرمایه گذاری در بازار کلیه سهام موجود در شاخص) است ، BT ارزش پایه ایند این شاخص است. این روند شامل سه مرحله است که عبارتند از:

1. برای هر شرکت منتخب ، سرمایه گذاری در بازار با ضرب قیمت بازار با تعداد سهام برجسته صادر شده توسط شرکت محاسبه می شود.

2. سرمایه گذاری بازار آزاد از هر شرکت با ضرب سرمایه بازار با فاکتور شناور آزاد که بین 0. 05 تا 1. 00 قرار دارد ، محاسبه می شود. معادله برای محاسبه فاکتور شناور آزاد ، سهام متعلق به هیئت مدیره و سرمایه گذاران است که بیش از 5 ٪ از سهام را که از کل سهام ذکر شده تفریق می شوند ، دارند.

3. سرمایه گذاری در بازار آزاد توسط تعدادی که به عنوان پایه شاخص شناخته می شود تقسیم می شود. بورس اوراق بهادار امان (ASE) در 31 دسامبر 1991 از یک پایه شاخص 100 امتیاز استفاده کرد و ارزش پایه شاخص از اول ژانویه 2004 بر اساس قوانینی برای شاخص وزنی ASE به 1000 تغییر یافت.

5. روش تحقیق

در این بخش روش استفاده شده در مطالعه ارائه شده است. بیشتر تصمیمات حیاتی در بورس سهام بر سرمایه گذاری یا تأمین مالی متمرکز است. شرکت می تواند اهداف اصلی خود را برآورده کند و در صورت دقیق بودن این تصمیمات ، به وجود خود ادامه دهد. بنابراین ، پیش بینی قیمت سهام برای تسهیل تصمیم گیری و کاهش زمان و هزینه مورد نیاز برای مدیریت کارآمد بسیار مهم است. شاخص بورس اوراق بهادار امان (ASEI) نمایانگر بازار سهام اردن است و نمونه ما است. علاوه بر این ، روش کاربردی از یک انتخاب ویژگی برای شناسایی ویژگی های اصلی مرتبط با نتیجه هدفمند ، که ASEI است ، استفاده کرد.

به خوبی شناخته شده است که هیچ مدل بهینه نمی تواند با تمام شاخص های بازار سهام در سراسر جهان مطابقت داشته باشد. بنابراین ، برای ساختن یک مدل پیش بینی برای هر بازار سهام ، داده ها باید مورد تجزیه و تحلیل قرار گیرند تا مهمترین متغیرهای مورد استفاده برای بهبود پیش بینی را بررسی کنند. از این رو ، این مقاله داده های شاخص های زیر بخش سهام و شاخص عمومی را از بازار مالی اردن برای سالهای 2008 و 2018 جمع آوری کرده است. اولین قدم تجزیه و تحلیل و پاکسازی داده ها برای اطمینان از عدم داده های خارج از کشور و وجود مقادیر تهی نیستکه در

شکل 1. مراحل روش انتخاب ویژگی ساختمان

داده های جمع آوری شدهسپس لازم است که نمودارهای کلیه بخش ها (متغیرهای مستقل) را در برابر شاخص بازار سهام عمومی (ASEI) (متغیر وابسته) تجسم کنیم ، و همچنین همبستگی آنها را بین متغیرها پیدا کنید. بنابراین ، داده های پاک آماده است تا در چهار روش انتخاب ویژگی برای شناسایی مهمترین متغیرهای مستقل (یعنی شاخص های بخش) استفاده شود. سپس ، ده متغیر مستقل برتر از هر یک از چهار روش انتخاب ویژگی برای ساخت مدلی انتخاب می شوند که حاوی بیشترین ویژگی های قابل اعتماد است ، که می تواند ساخت یک مدل برای پیش بینی را تقویت کند. سرانجام ، از یک مدل رگرسیون چندگانه برای اعتبارسنجی نتایج روشهای انتخاب ویژگی در تعریف ویژگی های اصلی مؤثر بر شاخص بورس عمومی عمومی (ASEI) استفاده می شود. متغیر وابسته شاخص عمومی است و متغیرهای مستقل بهترین ویژگی های بازیابی شده از روش های انتخاب ویژگی های پیشنهادی هستند. نمودار نمودار برای توسعه روش انتخاب ویژگی برای مدل پیشنهادی در شکل 1 نشان داده شده است.

5. 1روش های انتخاب ویژگی

متغیرهای مستقل و وابسته دو مؤلفه اصلی هر مجموعه داده هستند. محققان از روشهای مختلفی با سطوح مختلف پیچیدگی مانند شبکه ریاضی ، آماری و عصبی استفاده کرده اند تا توضیحات Beekonomika منطقه [اقتصاد مناطق] ، 18 (4) ، 2022 را توضیح دهند.

Haviour از متغیرهای وابسته از طریق حرکات متغیرهای مستقل. بنابراین ، اتخاذ یک فرآیند اولیه برای انتخاب متغیرهای مستقل مرتبط و قابل توجه از کل لیست متغیرها برای تقویت عملکرد پیش بینی و شناسایی ویژگی های نماینده تر مورد استفاده ضروری است. بنابراین ، روش انتخاب ویژگی یکی از فرآیندهای قابل اعتماد برای انتخاب متغیرهای بهینه است که می تواند در پیش بینی متغیر (های) وابسته اعمال شود. علاوه بر این ، این یک مرحله از پیش پردازش داده کاوی است که می تواند ویژگی های اضافی و/یا بی ربط را فیلتر کند. علاوه بر این ، در نظر گرفته می شود که از قدرت پیش بینی کافی در مدل سازی برخوردار است زیرا این یک روش کاهش ابعاد است که پس از ارزیابی آنها برای ساخت یک مدل نماینده ، فقط زیر مجموعه ای از ویژگی های اندازه گیری شده را انتخاب می کند. از این رو ، در موارد داده های با ابعاد بالا بسیار مفید است ، و استفاده از آن برای شاخص های بورس مناسب است.

بنابراین ، این مطالعه علاقه مند به استفاده از روش های انتخاب ویژگی از طریق انتخاب ویژگی های برجسته شاخص عمومی بورس سهام Amman (ASEI) است. پس از آن ، آنها مورد ارزیابی قرار می گیرند ، مهمترین عوامل برای تصویر کردن روند بازار مالی مشخص می شود. انتخاب ویژگی به دو مرحله تقسیم می شود: ارزیابی کننده ویژگی و روش های جستجو. در مرحله اول ، ارزیابی کننده ویژگی از هر ویژگی (متغیر) در مجموعه داده برای ارزیابی متغیر وابسته انتخاب شده استفاده می کند. این شامل بسیاری از الگوریتم ها ، از جمله ویژگی های مبتنی بر همبستگی (هال ، 1999) ، ارزیابی ویژگی همبستگی ، ویژگی امدادی Evalu-ater (Kononenko ، 1994) و ارزیابی کننده ویژگی طبقه بندی کننده است. بنابراین ، مطالعه ما علاقه مند به استفاده از چهار الگوریتم شامل: Subset Evalu-ater ، ارزیابی همبستگی ، ارزیاب امدادرسانی و ارزیابی کننده طبقه بندی کننده است. علاوه بر این ، روش های جستجو برای حرکت در ترکیب های مختلف ویژگی ها انتخاب می شوند تا به لیست کوتاهی از ویژگی های انتخاب شده برسند. بنابراین ، دو روش استفاده خواهد شد ، از جمله بهترین مواردی که از کوهنوردی حریص و حریص با تسهیلات پشتی و روش جستجوی رنکر استفاده می کند که از ارتباط با ارزیاب های ویژگی استفاده می کند. علاوه بر این ، تکنیک های منتخب در این مطالعه برای هر دو روش ارزیابی-ارگ و روش جستجو یکی از بهترین ترکیبات ارزیابی شده توسط بسیاری از محققان در این زمینه در نظر گرفته می شود (Ruiz ، Riquelme ، Aguilar-Riz ، 2005 ؛ Chetty ، Vaisla ، Sudarsan ، 2015 ؛Onik et al. ، 2015 ؛ Al-Najjar ، D. et al. ، 2022).

قسمت دوم با تکیه بر یافته های مطالعات قبلی برای ساخت یک مدل جامد با بهترین ویژگی ها ، ترکیب مناسب هر دو روش جستجو و مدل های انتخاب ویژگی را در بر می گیرد. با توجه به روش انتخاب ویژگی ، دو روش درگیر این کار هستند

روش های انتخاب ویژگی انتخاب شده

مدلها انتخاب روش انتخاب ویژگی

مدل 1 بهترین ارزیابی کننده زیر مجموعه اول

مدل 2 ارزیابی کننده همبستگی رتبه بندی

مدل 3 ارزیابی کننده ویژگی امدادر

مدل 4 رتبه بندی طبقه بندی کننده ارزیابی کننده ویژگی

مطالعه ، از جمله بهترین روشهای اول و رنکر. علاوه بر این ، چهار روش برای انتخاب ویژگی ها اعمال می شود: ارزیابی کننده زیر مجموعه ، ارزیابی ویژگی همبستگی ، ارزیابی کننده ویژگی امداد و ارزیابی کننده ویژگی طبقه بندی کننده.

علاوه بر این ، این مطالعه همانطور که در جدول 1 نشان داده شده است ، چهار مدل ایجاد کرده است. هر مدل همه را رتبه بندی می کند

خصوصیات توصیف آماری

ویژگی ها به شکل نزولی از بالاترین تا پایین ترین اثر در شاخص بورس اوراق بهادار Amman (ASEI). ده خروجی برتر هر یک از چهار مدل انتخاب انتخاب شده است تا یک جدول فرکانس تهیه شود. در پایان ، ما موثرترین متغیرهای مرتبط را انتخاب خواهیم کرد که می توانند برای پیش بینی شاخص کلی استفاده شوند.

پس از انتخاب مؤثرترین بخش های زیر که می توانند به طور مؤثر در یک شاخص کلی در اردن تأثیر بگذارند ، از یک مدل رگرسیون خطی برای تأیید زیر بخش های انتخاب شده استفاده می شود. علاوه بر این ، اهمیت و ضرایب متغیر برای بررسی جهت و وزن خطی برای هر متغیر مستقل در نظر گرفته می شود.

6. نتایج ، تجزیه و تحلیل و بحث 6. 1. تجزیه و تحلیل توضیحات

قبل از استفاده از الگوریتم های انتخاب ویژگی ، لازم است از طریق آزمایشات آماری اولیه مختلف برای مطالعه روند و ویژگی های داده های انتخاب شده انجام شود. این آزمایشات شامل توضیحات آماری ، همبستگی و تجسم است. نمونه مورد مطالعه شامل شاخص بورس اوراق بهادار Amman (ASEI100) ، حدود 23 شاخص فرعی با روز ، ماه و سال جلسه معاملاتی است که شامل دوره 2008-2018 است. جدول 2 توضیحات اصلی آماری را ارائه می دهد که شامل حداکثر ، حداقل ، میانگین و انحراف استاندارد برای کلیه شاخص های زیر بخش و شاخص عمومی بورس سهام Amman (ASEI) برای دوره 11 سال (2008-2018)

نتیجه توضیحات آماری را می توان به شرح زیر خلاصه کرد. از نظر حداقل ستون ، هم در رسانه ها و هم در صنایع کاغذ و هیئت مدیره کمترین بود. علاوه بر این ، بالاترین متغیرها دخانیات ، معدن و استخراج ، صنعت برقی ، ابزار و انرژی و خدمات مالی بود. در مورد میانگین ، بالاترین مورد برای دخانیات است. علاوه بر این ، آخرین ستون برای انحراف استاندارد است که در آن دخانیات ، صنایع برقی ، خدمات مالی و املاک و مستغلات وسیع ترین متغیرها را در بین داده های خود دارند.

جدول 3 همبستگی بین کلیه متغیرها و شاخص بورس اوراق بهادار Amman (ASEI) را نشان می دهد. یک متغیر رابطه ناچیز داشت ، که آن روز است. متغیرهای دیگر را می توان به سه گروه تقسیم کرد. گروه اول شامل متغیرهایی با مقادیر همبستگی پایین کمتر از 0. 40 است که ماه ، خدمات مراقبت های بهداشتی ، خدمات آموزشی ، چاپ و بسته بندی ، دخانیات ، همچنین صنایع شیشه ای و سرامیکی است که حدود 24 ٪ از کل متغیرها را تشکیل می دهند. گروه دوم متغیرها با مقادیر همبستگی متوسط بین 0. 50 تا 0. 70 سال ، بانک ها ، فناوری و ارتباطات

ویژگی / بخش حداقل حداکثر میانگین std. انحراف

سال 2008 2018 2013 3

بانک های 3264 5824 4060 520

بیمه 1718 4375 2309 570

خدمات مالی 1255 10119 2757 2051

املاک و مستغلات 1318 9031 2687 1674

خدمات مراقبت های بهداشتی 735 1231 889 75

خدمات آموزشی 2366 4231 3170 519

هتل ها و گردشگری 950 2507 1390 381

حمل و نقل 287 1546 584 295

فناوری و ارتباطات 384 2766 1350 588

رسانه 52 4492 1252 1222

خدمات و انرژی 2891 10786 4467 1015

خدمات تجاری 724 2495 1209 332

صنایع دارویی و پزشکی 795 2587 1697 405

صنایع شیمیایی 1153 2440 1567 230

صنایع کاغذی و کارتونی 57 1419 320 351

چاپ و بسته بندی 1266 6186 2772 1512

غذا و نوشیدنی 1060 2696 1521 371

دخانیات 1456 27517 8702 7146

من نمی توانم آنچه را که شما نیاز دارید پیدا کنم؟سرویس انتخاب ادبیات را امتحان کنید.

صنایع معدن و استخراج 1287 11549 3108 1786

مهندسی و ساخت 712 3869 1835 684

صنایع برقی 944 10667 2818 2300

منسوجات ، چرم و لباس 1519 2914 1929 242

صنایع شیشه ای و سرامیکی 438 2102 1101 256

شاخص عمومی 1801 5044 2337 582

تجزیه و تحلیل همبستگی بین متغیرهای مالی و شاخص عمومی

همبستگی ویژگی قابل توجه است

بیمه 0. 92 0

خدمات مالی 0. 97 0

املاک و مستغلات 0. 98 0

خدمات مراقبت های بهداشتی 0. 36 0

خدمات آموزش ی-0. 13 0

هتل ها و گردشگری 0. 82 0

حمل و نقل 0. 91 0

فناوری و 0. 61 0

برنامه های کاربردی و انرژی 0. 82 0

خدمات تجاری 0. 83 0

دارویی و پزشکی 0. 59 0

صنایع شیمیایی 0. 55 0

صنایع کاغذی و کارتونی 0. 89 0

چاپ و بسته بند ی-0. 23 0

غذا و نوشیدنی 0. 90 0

معدن و استخراج 0. 84 0

مهندسی و ساخت 0. 74 0

صنایع برقی 0. 939 0

منسوجات ، چرم و لباس 0. 877 0

صنایع شیشه ای و سرامیکی 0. 251 0

کاتیونها ، صنایع دارویی و پزشکی و صنایع شیمیایی متشکل از حدود 20 ٪ از کل ویژگی ها.

گروه سوم حاوی بالاترین درصد از کلیه متغیرها است ، حدود 56 ٪ از کل ویژگی های انتخاب شده دارای همبستگی قوی بالاتر از 0. 70 هستند که نشان می دهد بیشتر متغیرها به طور مستقیم مرتبط هستند. این بخش ها عبارتند از: بیمه ، خدمات مالی ، املاک و مستغلات ، هتل ها و گردشگری ، حمل و نقل ، رسانه ، خدمات و انرژی ، خدمات تجاری ، صنایع کاغذی و کارتونی ، مواد غذایی و نوشیدنی ، معدن و استخراج ، مهندسی و ساخت و ساز ، صنایع برقی و منسوجات چرم و منسوجاتتن پوش.

قبل از اجرای روش انتخاب ویژگی ، همچنین به تصویر کشیدن رابطه بین هر ویژگی انتخاب شده در این مطالعه با شاخص عمومی بورس Amman (ASEI100) برای تجسم جهت و شکل رابطه مفید است. این رابطه در شکل 2 تا 4 مشاهده می شود.

نتایج تجسم نشان داد که یازده ویژگی (عمدتا بانک ها ، بیمه ، خدمات مالی ، املاک و مستغلات ، هتل ها و گردشگری ، حمل و نقل ، فناوری و ارتباطات ، رسانه ها ، مواد غذایی و نوشیدنی ، صنایع معدن و استخراج ، مهندسی و ساخت و ساز و صنایع برقی)رابطه خطی با شاخص بورس سهام Amman (ASEI) ، که در آن چهارده ویژگی باقیمانده رابطه غیرخطی با ASEI دارند.

تمام نتایج جمع آوری شده تأیید کرد که متغیرهای انتخاب شده دارای یک رابطه مستقیم و تأثیر بر شاخص ASEI هستند. تا این مرحله ، مطالعه تمام ویژگی های مرتبط با ASEI را نشان داد. به عنوان یک مرحله دوم برای تأیید مهمترین ویژگی های ASEI و صرفه جویی در وقت و هزینه مصرف ASEI ، چهار روش انتخاب ویژگی در بخش بعدی اعمال و تأیید می شود.

6. 2. استفاده از روش های انتخاب ویژگی

این بخش بر نتایج اجرای هر یک از چهار مدل در جدول 3 متمرکز شده است. هر یک از این چهار مدل تمام ویژگی های انتخاب شده را با توجه به تأثیر مستقیم خود در شاخص بورس AMMAN (ASEI) رتبه بندی می کنند ، و ویژگی های اساسی را تسهیل می کنندساختن یک مدل پیش بینی برای ASEI.

جدول 4 اولین مدل را نشان می دهد که بهترین ارزیاب اول و زیر مجموعه را ترکیب می کند. یافته های اصلی نشان می دهد که شش ویژگی اصلی به طور مستقیم با ASEI مرتبط است: املاک و مستغلات ، صنایع مراقبت های بهداشتی ، خدمات تجاری ، مواد غذایی و نوشیدنی ، صنایع معدن و استخراج و نساجی ، چرم و لباس.

از طرف دیگر ، جدول 5 خروجی مدل دوم را ارائه می دهد که ارزیابی کننده ویژگی و همبستگی را ادغام می کند. این ویژگی ها با توجه به رتبه آنها به گروه ها تقسیم می شوند و به ترتیب نزولی از بالاترین تا پایین ترین اثر ترتیب داده می شوند. این بخش ها ، از جمله املاک و مستغلات ، خدمات مالی ، صنایع برقی ، بیمه و حمل و نقل ، بیش از 0. 9 قرار دارند. هفت بخش: مواد غذایی و نوشیدنی ، صنایع کاغذی و کارتونی ، منسوجات ، چرم و پوشاک ، صنایع معدن و استخراج ، خدمات تجاری

نتایج ویژگی پیشنهادی مدل 1 انتخاب شده

خدمات بهداشت و درمان املاک و مستغلات خدمات تجاری مواد غذایی و نوشیدنی های معدن و استخراج منسوجات ، چرم و پوشاک

xx v * x x x x * * w x * x