مدل‌سازی پیش‌بینی EPS با استفاده از شبکه‌های عصبی - فازی

Authors

  • عادل آذر استاد گروه مدیریت صنعتی دانشگاه تربیت مدرس
  • محمد نوروزی کارشناس ارشد مدیریت بازرگانی (مالی) دانشگاه تربیت مدرس
Abstract:

پیش‌بینی سود هر سهم و تغییرات آن به‌عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه‌گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل‌های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصادی می‌باشد. هدف این تحقیق پیش‌بینی سود هر سهم با استفاده از شبکه عصبی – فازی و شبکه عصبی درک چندلایه(MLP) و GMDH و تعیین مدل برتر با استفاده از چهار معیار مربع میانگین خطای استاندارد(MSE) ، میانگین قدر مطلق خطا (MAE)، مربع مجذور میانگین خطا (RMSE) و (R2) ضریب تعیین می‌باشد. بدین منظور، شرکت‌های پذیرفته‌شده در بورس و اوراق بهادار تهران به‌عنوان جامعه آماری و نمونه انتخابی شامل،500 سال/شرکت در قالب 24 صنعت فعال بورس در دوره زمانی 1390- 1386 می‌باشد که به‌صورت تصادفی و روش نمونه‌گیری خوشه‌ای انتخاب‌شده‌اند. نتایج تحقیق بیانگر برتری شبکه عصبی – فازی در تمامی چهار معیار ارزیابی نسبت به شبکه عصبی MLP و GMDH می‌باشد که نشان از توانایی بالای این شبکه در شناخت الگوهای حاکم برداده‌ها و وجود رابطه غیرخطی برخی متغیرهای حسابداری با سود هر سهم دارد. درنتیجه دقت پیش‌بینی شبکه عصبی – فازی بیشتر از شبکه¬ی MLP و GMDH است و برای پیش‌بینی سود هر سهم مناسب می‌باشد

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی و پیشبینی مدول یانگ در نانولولههای کربنی تک لایه با بهکارگیری شبکههای عصبی مصنوعی

full text

مدل سازی پیش بینی eps با استفاده از شبکه های عصبی - فازی

پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصادی می باشد. هدف این تحقیق پیش بینی سود هر سهم با استفاده از شبکه عصبی – فازی و شبکه عصبی درک چندلایه(mlp) و gmdh و تع...

full text

مدلسازی تولید سفر با استفاده از روش شبکه های عصبی-فازی

دستیابی به یک نتیجه دقیق و مناسب در فرایند چهارمرحله ای آنالیز سفر به روش UTMS وابسته به برآورد دقیق و قابل قبول تعداد سفرهای تولید شده در نواحی مختلف شهر است. در بررسی مرحله ایجاد سفر با توجه به وابستگی شدید میزان سفر تولید شده در یک ناحیه به اطلاعات سهل الوصولی نظیر جمعیت ، برآورد تولید سفر معمولاً با دقت خوبی انجام میگیرد. از اینروست که در صورتیکه مقادیر برآورد شده دیگر نظیر مقادیر جذب سفر با...

full text

پیش بینی عملکرد ذرت علوفهای با استفاده از شبکههای عصبی مصنوعی

full text

مدلسازی پیش­بینی قیمت ارز با استفاده از شبکه­های عصبی

بی­تردید امروزه بیشترین مقدار سرمایه­گذاری از طریق بازار سرمایه در تمام جهان مبادله می­شود.اقتصادهای ملی به­شدت متاثر از عملکرد بازار سرماهی است. به علاوه بازار سرمایه به­عنوان یک ابزار سرمایه­گذاری در دسترس، هم برای سرمایه­گذاران کلان و هم برای عموم مردم شده است. بازارها نه تنها از پارامترهای کلان، بلکه از هزاران عامل دیگر نیز متاثر می­شوند. تعداد زیاد و ناشناخته بودن عوامل موثر در بازار بورس،...

full text

مدلسازی تولید سفر با استفاده از روش شبکه های عصبی-فازی

دستیابی به یک نتیجه دقیق و مناسب در فرایند چهارمرحله ای آنالیز سفر به روش utms وابسته به برآورد دقیق و قابل قبول تعداد سفرهای تولید شده در نواحی مختلف شهر است. در بررسی مرحله ایجاد سفر با توجه به وابستگی شدید میزان سفر تولید شده در یک ناحیه به اطلاعات سهل الوصولی نظیر جمعیت ، برآورد تولید سفر معمولاً با دقت خوبی انجام میگیرد. از اینروست که در صورتیکه مقادیر برآورد شده دیگر نظیر مقادیر جذب سفر با...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 23

pages  1- 15

publication date 2014-11-22

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023