Алгоритм занижения цены IPO
 | В этой статье есть несколько проблем. Пожалуйста, помогите улучшить его или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалять эти шаблонные сообщения )
|
Занижение цены IPO — это увеличение стоимости акций от цены первоначального размещения до цены закрытия первого дня. Многие считают, что IPO по заниженной цене оставляет деньги корпорациям, но некоторые считают, что занижение цен неизбежно. Инвесторы утверждают, что занижение цен сигнализирует о высоком интересе к рынку, что увеличивает спрос. С другой стороны, переоцененные акции будут падать в долгосрочной перспективе, поскольку цена стабилизируется, поэтому занижение цен может уберечь эмитентов от судебных разбирательств со стороны инвесторов.
Алгоритмы занижения цены IPO
[ редактировать ]Андеррайтеры , инвесторы и корпорации, готовящиеся к первичному публичному размещению акций (IPO), эмитенты заинтересованы в их рыночной стоимости. В результате всегда возникает напряженность, поскольку андеррайтеры хотят поддерживать низкую цену, в то время как компании хотят высокой цены IPO.
Занижение цен также может быть вызвано чрезмерной реакцией инвесторов, вызывающей всплески в первые дни торгов. Процесс ценообразования IPO аналогичен ценообразованию на новые и уникальные продукты, где имеется мало данных о рыночном спросе, приемлемости продукта или реакции конкурентов. Таким образом, сложно определить четкую цену, что усугубляется разными целями эмитентов и инвесторов.
Проблема разработки алгоритмов определения заниженной цены связана с зашумленными , сложными и неупорядоченными наборами данных. Кроме того, люди, окружающая среда и различные условия окружающей среды вносят неточности в данные. Чтобы решить эти проблемы, исследователи нашли различные методы искусственного интеллекта , которые нормализуют данные.
Эволюционные модели
[ редактировать ]Эволюционное программирование часто сочетается с другими алгоритмами, например искусственными нейронными сетями, для повышения устойчивости, надежности и адаптивности. Эволюционные модели уменьшают количество ошибок, позволяя изменять числовые значения в рамках фиксированной структуры программы. Разработчики предоставляют своим алгоритмам переменные, а затем предоставляют обучающие данные, которые помогают программе генерировать правила, определенные во входном пространстве, которые делают прогноз в выходном пространстве переменных.
При таком подходе решение принимается индивидуально, а совокупность состоит из альтернатив. Однако выбросы заставляют людей действовать неожиданно, когда они пытаются создать правила, объясняющие весь набор.
Система, основанная на правилах
[ редактировать ]Например, Кинтана [ 1 ] сначала абстрагирует модель с 7 основными переменными. Правила произошли от системы эволюционных вычислений, разработанной в Мичигане и Питтсбурге:
- Престиж андеррайтера – престижен ли андеррайтер в роли ведущего менеджера? 1 для истины, 0 в противном случае.
- Ширина ценового диапазона – ширина необязывающего эталонного ценового диапазона, предлагаемого потенциальным клиентам во время роуд-шоу. Эту ширину можно интерпретировать как признак неуверенности в отношении реальной стоимости компании и, следовательно, как фактор, который может повлиять на первоначальный доход.
- Корректировка цены – разница между окончательной ценой предложения и шириной ценового диапазона. Это можно рассматривать как неопределенность, если корректировка выходит за пределы предыдущего ценового диапазона.
- Цена размещения – окончательная цена предложения IPO.
- Оставшиеся акции – соотношение количества акций, проданных на IPO, разделенное на количество акций после размещения минус количество акций, проданных на IPO.
- Размер предложения — логарифм размера предложения в миллионах долларов, исключая возможность перераспределения.
- Технология – это технологическая компания? 1 для истины, 0 в противном случае.
Кинтана использует эти факторы как сигналы, на которые обращают внимание инвесторы. Алгоритм, который объясняет его команда, показывает, как можно сделать прогноз с высокой степенью достоверности, используя лишь подмножество данных.
Двухуровневое эволюционное прогнозирование
[ редактировать ]Люк [ 2 ] подходит к проблеме с выбросами, выполняя линейную регрессию по набору точек данных (входные, выходные данные). Алгоритм обрабатывает данные, выделяя области для зашумленных данных. Преимущество схемы состоит в том, что она изолирует зашумленные шаблоны, что снижает влияние выбросов на систему генерации правил. Алгоритм может вернуться позже, чтобы понять, влияют ли изолированные наборы данных на общие данные. Наконец, худшие результаты алгоритма превзошли прогнозирующие способности всех других алгоритмов.
Агентное моделирование
[ редактировать ]В настоящее время многие алгоритмы предполагают однородное и рациональное поведение инвесторов. Однако существует подход, альтернативный финансовому моделированию, и он называется агентным моделированием (ABM). ABM использует различных автономных агентов, поведение которых развивается эндогенно, что приводит к сложной динамике системы, которую иногда невозможно предсказать на основе свойств отдельных агентов. [ 3 ] ABM начинает применяться в вычислительном финансировании. Однако для того, чтобы ABM была более точной, необходимо разработать более совершенные модели генерации правил.
Ссылки
[ редактировать ]- ^ Кинтана, Дэвид; Кристобаль Люке; Педро Исаси (2005). «Эволюционная система прогнозирования занижения цен IPO, основанная на правилах». Материалы 7-й ежегодной конференции по генетическим и эволюционным вычислениям . стр. 983–989. дои : 10.1145/1068009.1068176 . hdl : 10016/4081 . ISBN 1595930108 . S2CID 3035047 .
- ^ Люке, Кристобаль; Дэвид Кинтана; Дж. М. Валлс; Педро Исаси (2009). «Двухуровневое эволюционное прогнозирование занижения цен IPO». Конгресс IEEE 2009 г. по эволюционным вычислениям . Пискатави, Нью-Джерси, США: IEEE Press. стр. 2374–2378. дои : 10.1109/cec.2009.4983237 . ISBN 978-1-4244-2958-5 . S2CID 1733801 .
- ^ Брабазон, Энтони; Цзян Данг; Ян Демпси; Майкл О'Нил; Дэвид М. Эдельман (2010). «Естественные вычисления в финансах: обзор» (PDF) . Справочник по естественным вычислениям .
