حسابداری، امور مالی و هوش محاسباتی 3092-7366 در دست انتشار 1406 08 01 Evaluation of Accounting Criteria in Choosing the Optimal Stock Portfolio in Iran's Capital Market: A Hybrid SVM-DEA Approach ارزیابی معیارهای حسابداری در انتخاب سبد بهینه سهام در بازار سرمایه ایران: رویکرد ترکیبی SVM-DEA 1 21 FA حسین نبیئی بروجنی گروه حسابداری، واحد شهرکرد، دانشگاه آزاد اسلامی، شهرکرد، ایران حمیدرضا جعفری دهکردی گروه حسابداری، واحد شهرکرد، دانشگاه آزاد اسلامی، شهرکرد، ایران Journal Article 1404/12/01 <p>The present study aimed to evaluate the efficiency of accounting indicators in selecting an optimal stock portfolio and to develop a hybrid Support Vector Machine (SVM) and Data Envelopment Analysis (DEA) framework for improving investment decision-making in Iran’s capital market. This applied quantitative study was conducted using data from firms listed on the Tehran Stock Exchange during the period 2009–2022. The sample was selected through systematic elimination criteria. In the first stage, accounting variables extracted from corporate financial statements were screened using the Support Vector Machine algorithm to identify and rank the most influential indicators affecting stock returns. In the second stage, the selected accounting indicators together with risk variables were incorporated into an output-oriented BCC Data Envelopment Analysis model with variable returns to scale to evaluate the relative efficiency of firms. Finally, an optimal stock portfolio was constructed based on efficiency scores and its performance was assessed. The results revealed that the price-to-book ratio (P/B) was the most influential accounting indicator with a weight of 0.639, followed by sales growth (0.569) and earnings growth (0.541). The SVM model demonstrated satisfactory classification performance in distinguishing efficient from inefficient firms (AUC = 0.81). DEA results indicated that approximately 23% of firms were located on the efficiency frontier, whereas 77% were classified as inefficient. Efficiency gap analysis showed that most inefficiencies were associated with weaknesses in liquidity indicators and capital productivity. Furthermore, market-based indicators, particularly P/B and E/P ratios, played the most significant role in determining firm efficiency and stock selection. The findings suggest that the hybrid SVM-DEA model outperforms traditional approaches in screening relevant accounting variables, identifying efficient firms, and constructing optimal stock portfolios. Integrating machine learning techniques with efficiency evaluation models can enhance investment decision accuracy and improve portfolio performance in the Iranian capital market.</p> <p>هدف این پژوهش، ارزیابی کارایی معیارهای حسابداری در انتخاب سبد بهینه سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران و طراحی یک مدل ترکیبی مبتنی بر ماشین بردار پشتیبان (SVM) و تحلیل پوششی داده‌ها (DEA) برای بهبود فرآیند تصمیم‌گیری سرمایه‌گذاری بود. این پژوهش از نوع کاربردی و کمی بود که بر روی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران طی دوره 1388 تا 1401 انجام شد. نمونه پژوهش با استفاده از روش حذف سیستماتیک انتخاب گردید. در مرحله نخست، متغیرهای حسابداری استخراج‌شده از صورت‌های مالی شرکت‌ها با استفاده از الگوریتم ماشین بردار پشتیبان غربالگری شدند تا شاخص‌های اثرگذار بر بازده سهام شناسایی و رتبه‌بندی شوند. سپس متغیرهای منتخب به همراه شاخص‌های ریسک در قالب مدل تحلیل پوششی داده‌ها (DEA) از نوع BCC خروجی‌محور با بازده به مقیاس متغیر مورد استفاده قرار گرفتند تا کارایی نسبی شرکت‌ها ارزیابی شود. در نهایت، بر اساس امتیازهای کارایی، سبد بهینه سهام تشکیل و عملکرد آن بررسی شد. نتایج نشان داد شاخص نسبت ارزش دفتری به بازار (B/P) با وزن 0.639 رتبه نخست را در میان متغیرهای حسابداری به دست آورد، پس از آن رشد فروش (0.569) و رشد سود (0.541) قرار گرفتند. نتایج مدل SVM دقت مناسبی در طبقه‌بندی شرکت‌های کارا و ناکارا نشان داد (AUC=0.81). همچنین نتایج DEA نشان داد حدود 23 درصد شرکت‌ها بر مرز کارایی قرار دارند، در حالی که 77 درصد دیگر ناکارا بودند. تحلیل شکاف کارایی نشان داد مهم‌ترین عوامل ناکارایی به ضعف در شاخص‌های نقدینگی و بهره‌وری سرمایه مربوط است. یافته‌ها همچنین نشان دادند که شاخص‌های بازارمحور شامل B/P و E/P بیشترین نقش را در تعیین کارایی شرکت‌ها و انتخاب سهام مناسب دارند. یافته‌های پژوهش نشان داد مدل ترکیبی SVM-DEA نسبت به روش‌های سنتی از توان بیشتری در غربالگری متغیرهای مؤثر، شناسایی شرکت‌های کارا و تشکیل سبدهای سرمایه‌گذاری بهینه برخوردار است. استفاده همزمان از تکنیک‌های یادگیری ماشین و ارزیابی کارایی می‌تواند دقت تصمیم‌گیری سرمایه‌گذاران را افزایش داده و به بهبود عملکرد سبدهای سهام در بازار سرمایه ایران کمک کند.</p> https://jafci.com/index.php/jafci/article/download/458/281