مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
Authors
Abstract:
سهامداران جهت گرفتن تصمیمهای سرمایهگذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیشبینی شده هر سهم از نظر استفادهکنندگان با اهمیت تلقی میشود. از طرفی شرکتها برای جذب سرمایهگذاران سعی میکنند سود هر سهم را با بیشترین دقت پیشبینی کنند. بنابراین، مقاله حاضر به دنبال ارائه مدلی جهت بهبود پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکردهای نوین هوش مصنوعی است. برای این منظور ابتدا عوامل مؤثر بر سود هر سهم سال آتی از پژوهشهای داخلی و خارجی استخراج شد، سپس با استفاده از اطلاعات مالی شرکتهای نمونه در بازه زمانی سالهای 1384 تا 1391 و بهکارگیری روش ماشین بردار پشتیبان و شبکههای عصبی مصنوعی، مدلیهایی جهت پیشبینی سود هر سهم طراحی گردید. مدل ماشین بردار پشتیبان توانست سود هر سهم سال آتی شرکتهای نمونه را با میزان خطای مطلوب 5 درصد پیشبینی کند. این مدل سود هر سهم سال جاری را با ضریب تأثیر 25 درصد بهعنوان مؤثرترین متغیر برای پیشبینی سود هر سهم آتی معرفی میکند. همچنین نتایج نشان میدهد که مدل ماشین بردار پشتیبان در مقایسه با مدل شبکههای عصبی مصنوعی عملکرد مشابهی دارد.
similar resources
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکه های عصبی مصنوعی در پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس اوراق بهادار تهران
سهامداران جهت گرفتن تصمیم های سرمایه گذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیش بینی شده هر سهم از نظر استفاده کنندگان با اهمیت تلقی می شود. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. بنابراین، مقاله حاضر به دنبال ارائه مدلی جهت بهبود پیش بینی سود هر سهم شرکت...
full textپیش بینی سود هر سهم با استفاده از رویکرد ماشین بردار پشتیبان فازی، مطالعه موردی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران
اطلاعات مربوط به سود هر سهم و سود پیش بینی شده هر سهم معیارهایی هستند که از نظر بسیاری از استفاده کنندگان با اهمیت تلقی می شوند. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با بیشترین دقت پیش بینی نمایند. امروزه با وجود روش های متعدد پیش بینی، پیش بینی دقیق در حوزه مالی کار چندان ساده ای نیست و اکثر محققان درصدد تعیین بهترین روش برای پیش بینی هستند. بنابراین، هدف پژوهش حاض...
full textرابطه بین سود هر سهم، سود تقسیمی و سرمایه گذاری در شرکت های پذیرفته شده بورس اوراق بهادار تهران
سرمایه گذاران در دارائی های فیزیکی و مالی سرمایه گذاری می کنند. سرمایه گذاری در دارائی های مالی از طریق خرید سهام. اوراق قرضه و... صورت می گیرد. هنگامی که شخصی سهام شرکتی را خریداری می کند مالک شرکت شده و از مزایایی مثل سود تقسیمی. سود سهمی. افزایش قیمت سهام و... بهره مند می شود. شرکت ها معمولا در پایان دوره مالی دو تصمیم اساسی را اتخاذ می نمایند. نخست آن که: چه مقدار از سود باید بین سهامداران ...
full textگزینش مدلی کارآمد برای پیشبینی سود بر اساس مقایسه مدلهای مربوط در شرکتهای پذیرفته در بورس اوراق بهادار تهران
پژوهش حاضر به بررسی مدلهای پیشبینی سود میپردازد و بر اساس قدر مطلق خطای پیشبینی مدلهارا با یکدیگر مقایسه میکند. در تحلیلها از دادههای 232 شرکت پذیرفته شده در بورس اوراق بهادار طیدوره 0331 0331 استفاده شده است. مقایسه مدلها در سطح صنایع صورت گرفته است. -با استفاده از روش پانل دیتا نتایج نشان میدهد که سود تفکیک شده قابلیت پیشبینی بالاتری نسبت بهرقم کلی سود دارد. نتایج همچنین نشان میدهد که بین اجز...
full textاثر پیشبینی سود هر سهم توسط مدیران بر هزینة سرمایه شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
هدف پژوهش تعیین اثر نوع اخبار ارائه شده (خوب یا بد) پیشبینی سود هر سهم توسط مدیران بر هزینه سرمایه (با تأکید بر هزینه سرمایه حقوق صاحبان سهام) شرکتهای پذیرفته شده بورس اوراق بهادار تهران میباشد. در این تحقیق با انتخاب دادههای 90 شرکت نمونه عضو بورس اوراق بهادار تهران و برای دورة پنج ساله از سال 1384 تا 1388 به بررسی اثر پیشبینی سود هر سهم توسط مدیران بر هزینه سرمایه شرکتهای پذیرفته شده بو...
full textMy Resources
Journal title
volume 10 issue 20
pages 109- 134
publication date 2013-09-23
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