ترکیب شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش‌بینی سود هر سهم

Authors

  • سجاد نقدی دانشجوی دکتری حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
Abstract:

پیش‌بینی سود هر سهم از اهمیت فراوانی برای سرمایه‌گذاران و مدیران داخلی شرکت‌ها برخوردار است. بررسی پژوهش‌های قبلی حاکی از این بوده است که در اکثر آن‌ها، به فرضیه وجود رابطه غیرخطی میان سود وعوامل تعیین‌کننده آن توجه نشده است. این در حالی است برخی از پژوهشگران نشان داده‌اند که رابطه میان سود و عوامل تعیین‌کننده آن خطی نیست. به همین دلیل و همچنین نقش محوری سود هر سهم در تصمیمات سرمایه‌گذاران، با استفاده از مدل‌های مختلف شبکه عصبی مصنوعی و مدل‌های سری زمانی، سود هر سهم میان‌دوره‌ای 126 شرکت‌ پذیرفته‌ شده در بورس اوراق بهادار تهران طی سال‌های 1389 تا 1395 بررسی و پیش‌بینی‌ شده است. در ادامه و در گام بعدی برای تعیین متغیرهای ورودی مؤثر بر سود هر سهم از الگوریتم بهینه‌سازی ژنتیک و تجمع ذرات استفاده شده است. به‌کارگیری روش ترکیبی شبکه عصبی مصنوعی، الگوریتم ژنتیک و الگوریتم تجمع ذرات می‌تواند علاوه بر استفاده از روش‌های نوین برای پیش‌بینی سود هر سهم، سرمایه‌گذاران را نیز در تصمیم‌گیری‌های آتی یاری ‌رساند. نتایج نشان می‌دهد روش پیشنهادی قادر است تا متغیرهای ورودی مؤثر بر سود هر سهم را از میان تمام متغیرهای ورودی استخراج و توانایی و قدرت تعمیم شبکه عصبی مصنوعی را افزایش دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی سود هر سهم: ترکیب شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات

انتظارات مربوط به سود اثرات قابل ملاحظه‌ای بر تصمیمات مدیران و سرمایه­گذاران دارد. یکی از معیار‌هایی که امروزه به عنوانشاخص سود‌آوری شرکت­ها مورد توجه قرار می‌گیرد، مفهوم سود هر سهم است.­سود هر سهم آثار عمده‌ای بر قیمت سهام شرکت­‌ها نیز دارد. از اینرو پیش‌بینی سود هر سهمهم برای سرمایه‌گذاران و هم برای مدیران از اهمیت بسزایی برخوردار است. هدف از انجام این پژوهش، مدل­بندی پیش­بینی سود هر سهم شرکت...

full text

پیش بینی سود هر سهم: ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذرات

انتظارات مربوط به سود اثرات قابل ملاحظه ای بر تصمیمات مدیران و سرمایه­گذاران دارد. یکی از معیار هایی که امروزه به عنوانشاخص سود آوری شرکت­ها مورد توجه قرار می گیرد، مفهوم سود هر سهم است.­سود هر سهم آثار عمده ای بر قیمت سهام شرکت­ ها نیز دارد. از اینرو پیش بینی سود هر سهمهم برای سرمایه گذاران و هم برای مدیران از اهمیت بسزایی برخوردار است. هدف از انجام این پژوهش، مدل­بندی پیش­بینی سود هر سهم شرکت...

full text

مدل سازی پیش بینی سود هر سهم با استفاده از شبکه های عصبی و الگوریتم ژنتیک

سود هر سهم یکی از فاکتورهای مالی بسیار مهم است که مورد توجه مدیران، سرمایه گذاران و تحلیل گران مالی می باشد و اغلب برای تصمیم گیری در خصوص سرمایه گذاری، ارزیابی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود، از این رو پیش بینی آن برای مدیران و ذینفعان حائز اهمیت اساسی است. هدف این تحقیق ارائه ی مدلی به منظور پیش بینی سود هر سهم با استفاده از شبکه عصبی درک چند لایه(mlp...

15 صفحه اول

مقایسه دقت پیش بینی سود هر سهم توسط شبکه عصبی پس انتشار خطا(bp )و شبکه عصبی بهینه شده با الگوریتم ژنتیک

سود هر سهم یکی از آماره های مالی بسیار مهم است که مورد توجه سرمایه گذاران و تحلیل گران مالی می باشد. سود هر سهم نشان دهنده سودی است که عاید هر سهم عادی می شود و اغلب برای ارزیابی سود آوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود.اکثریت تحقیقات قبلی که برای پیش بینی سود هر سهم انجام گرفته است از مدل های آماری خطی استفاده کرده اند، اما تحقیقاتی نیز به این نتیجه رسیده اند ک...

کاربرد الگوریتم ژنتیک در ترکیب پیش‌بینی‌های تورم

پیش‎بینی تورم به عنوان یکی از الزامات سیاست‎گذاری پولی در کشورهایی تبدیل شده است که مقامات پولی آن‎ها سیاست هدف‎گذاری تورم را تعقیب می‌کنند. چرا که به واسطة استقلال بانک مرکزی از سویی و واگذاری سیاست‎گذاری پولی به این نهاد و از سویی دیگر به واسطة این‎که به‎طور عمده سیاست‎گذاری پولی با وقفه بر روی تورم تأثیرگذار است، لذا مقام پولی می‎بایستی تصویر مناسبی نسبت به تورم آینده داشته باشد، تا با سیاست...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 3

pages  7- 34

publication date 2017-11-22

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