view in publisher's site

The role of AI in capital structure to enhance corporate funding strategies

The purpose of this study was to assess if Artificial Intelligence (AI) could be used in the Capital Asset Pricing Model (CAPM) and whether the use of AI could bring a more accurate estimation of expected returns. Cost of capital defines the minimum return expected from any investment made by a firm. Hence for managers to maximise the value of the corporation, it is essential to have an accurate estimation of the cost of capital.For the purpose of analysing securities, the adjusted closing stock prices of 10 high-tech public companies were studied from January 2013 to January 2019. This research assumed that there is a need to predict returns for the next year. Hence one year of historical data was used to calculate traditional CAPM value and also train the Recurrent Neural Networks (RNN) to predict stock prices of the upcoming year. A generic deep learning network architecture was developed with the use of Long Short Term Memory (LSTM) and dropout layers. After calculating the returns using traditional and AI approaches, two methods for calculation of CAPM were proposed and compared.Following the analysis, it was found that the use of AI improved the accuracy of cost of equity estimations by over 60%. The strong ability of the selected deep learning neural network to predict stock prices, increased the accuracy of estimating returns by at least 18%. This study concluded that AI has significant potentials to replace traditional asset pricing models in the near future.

نقش هوش مصنوعی در ساختار سرمایه برای افزایش استراتژی‌های سرمایه‌گذاری شرکت‌ها

هدف این مطالعه ارزیابی این است که آیا هوش مصنوعی (AI)می‌تواند در مدل قیمت‌گذاری دارایی سرمایه (CAPM)استفاده شود و اینکه آیا استفاده از هوش مصنوعی می‌تواند برآورد دقیق بازده‌های مورد انتظار را به ارمغان بیاورد. هزینه سرمایه، حداقل بازده مورد انتظار از هر سرمایه‌گذاری انجام‌شده توسط یک شرکت را تعریف می‌کند. از این رو، برای مدیران جهت بیشینه‌سازی ارزش شرکت، داشتن یک برآورد دقیق از هزینه هدف تحلیل اوراق بهادار، کاهش قیمت سهام ۱۰ شرکت دولتی با تکنولوژی بالا از ژانویه ۲۰۱۳ تا ژانویه ۲۰۱۹ مورد مطالعه قرار گرفت. این تحقیق فرض می‌کند که نیاز به پیش‌بینی بازگشت‌ها برای سال آینده وجود دارد. از این رو یک سال از داده‌های تاریخی برای محاسبه ارزش CAPM سنتی و همچنین آموزش شبکه‌های عصبی مصنوعی (RNN)برای پیش‌بینی قیمت‌های سهام سال آتی مورد استفاده قرار گرفت. معماری شبکه یادگیری عمیق عمومی با استفاده از حافظه کوتاه‌مدت کوتاه‌مدت و لایه‌های ترک‌تحصیل توسعه یافت. پس از محاسبه بازده‌های مورد استفاده از روش‌های سنتی و هوش مصنوعی، دو روش برای محاسبه CAPM ارائه شد و compared.Foll به خاطر آنالیز، مشخص شد که استفاده از هوش مصنوعی دقت برآورد هزینه سرمایه را بیش از ۶۰ % بهبود بخشیده‌است. توانایی قوی شبکه عصبی یادگیری عمیق برای پیش‌بینی قیمت‌های سهام، دقت تخمین بازده را حداقل ۱۸ درصد افزایش داد. این مطالعه نتیجه گرفت که هوش مصنوعی دارای پتانسیل بالایی برای جایگزینی مدل‌های قیمت‌گذاری دارایی سنتی در آینده نزدیک است.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.