بررسی کارایی الگوریتم های بهینه سازی کرم شب تاب و رگرسیون ماشین بردار پشتیبان جهت پیش‌بینی هزینه سرمایه
author
Abstract:
هزینه‌ی سرمایه، حداقل نرخ بازده‌ی مورد انتظار سرمایه‌گذاران است، این نرخ بازده مورد انتظار با در نظر گرفتن ریسک شرکت تعیین می‌شود. در این پژوهش با استفاده از اطلاعات مالی 97 شرکت طی سال‌های 1390 الی 1396 و به کمک متغیرهای حسابداری اقدام به پیش‌بینی هزینه سرمایه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران شده است. جهت پیش‌بینی هزینه سرمایه از روش‌های رگرسیون ماشین بردار و کرم شب‌تاب استفاده شد. نتایج نشان داد که بین متغیرهای نسبت بدهی، فرصت رشد، رشد فروش، نوع مالکیت (ارتباط سیاسی)، نسبت دارایی ثابت، اندازه شرکت با هزینه سرمایه رابطهی معناداری وجود دارد. با توجه به خطای بسیار منطقی حدوداً 7 درصد الگوریتم کرم شب‌تاب و رگرسیون ماشین بردار در پیش‌بینی هزینه سرمایه در داده‌های ارزیابی می‌توان بیان کرد که الگوریتم کرم شب‌تاب و رگرسیون ماشین‌بردار با استفاده از داده‌های حسابداری توان پیش‌بینی هزینه سرمایه شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران را باقدرت بسیار بالا دارد و همچنین الگوریتم کرم شب‌تاب توانایی بالاتری در پیش‌بینی هزینه سرمایه نسبت به الگوریتم رگرسیون ماشین بردار دارد.
similar resources
مقایسه قدرت پیش‌بینی الگوریتم کرم شب‌تاب، الگوریتم درخت تصمیم و الگوریتم رگرسیون ماشین‌بردار پشتیبان جهت پیش‌بینی ریسک سیستماتیک
یکی از مهمترین مباحث بازار سرمایه آگاهی از میزان ریسک شرکت‌ها به ویژه ریسک سیستماتیک است که می تواند بازده سهام شرکت‌ها را تحت تأثیر قرار داده و نقش به سزایی در تصمیم‌گیری ایفا کند. در این تحقیق، هدف پیش‌بینی ریسک سیستماتیک شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از نرم افزار شبکه عصبی مصنوعی و سه الگوریتم کرم شب تاب، الگوریتم درخت تصمیم و الگوریتم رگرسیون ماشین بردار پشتیبان...
full textبررسی خواص مخزنی سازند سروک براساس نمودارهای پتروفیزیکی و ماشین های بردار پشتیبان بهینه سازی شده با الگوریتم ژنتیک
full text
طراحی بهینه سرریزهای پلکانی جهت حداکثر سازی استهلاک انرژی با استفاده از الگوریتم تکاملی تفاضلی و الگوریتم کرم شب تاب و ترکیب هر دو الگوریتم
در سال‌های اخیر تحقیقات نشان داده است که سرریزهای پلکانی به‌عنوان راهکار مناسبی جهت استهلاک انرژی در سرریزها مورد توجه قرار داشته‌اند. از اهداف طراحی سرریز پلکانی می‌توان به افزایش شدت استهلاک انرژی در طول سریز و در نتیجه کاهش ابعاد حوضچه آرامش اشاره نمود. بنابراین طراحی بهینه ابعاد سریز بر اساس حداکثر انرژی مستهلک شده هدف اصلی در این تحقیق می‌باشد. در این مطالعه ابعاد سرریز به‌عنوان مجهولات در...
full textبهینه‌سازی ماشین بردار پشتیبان با الگوریتم GBC جهت پیش‌بینی ارتباط آنفارکتوس قلبی و سرطان: مطالعه موردی
مقدمه: آگاهی از ابتلا به سرطان، احتمال بروز اختلالات عصبی و استرس در بیمار را افزایش می‌دهد. همچنین استرس خطر بروز آنفارکتوس قلبی را بیشتر می‌کند. مطالعه حاضر بر پایه الگوریتم GBC، به بررسی احتمال بروز سکته قلبی در بیماران سرطانی پرداخت. روش: اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی شهید صدوقی یزد جمع‌آوری شد. پرونده پزشکی 1679 بیمار مبتلا به آنفارکتوس قلبی مورد بررسی قرار گرفت که از ...
full textبهینه‌سازی ماشین بردار پشتیبان با الگوریتم GBC جهت پیش‌بینی ارتباط آنفارکتوس قلبی و سرطان: مطالعه موردی
مقدمه: آگاهی از ابتلا به سرطان، احتمال بروز اختلالات عصبی و استرس در بیمار را افزایش می‌دهد. همچنین استرس خطر بروز آنفارکتوس قلبی را بیشتر می‌کند. مطالعه حاضر بر پایه الگوریتم GBC، به بررسی احتمال بروز سکته قلبی در بیماران سرطانی پرداخت. روش: اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی شهید صدوقی یزد جمع‌آوری شد. پرونده پزشکی 1679 بیمار مبتلا به آنفارکتوس قلبی مورد بررسی قرار گرفت که از ...
full textرویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانک‌ها
یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانک‌ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاش‌های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری ...
full textMy Resources
Journal title
volume 8 issue 2
pages 111- 133
publication date 2020-06-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023