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

Authors

  • حیدر فروغ نژاد دانشجوی دکترای مدیریت مالی ، آموزشکده فنی و حرفه‌ای سما، دانشگاه آزاد اسلامی، واحد اندیشه (مسئول مکاتبات)
Abstract:

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 شرکت­های پذیرفته شده در بورس اوراق بهادار تهران،با استفاده از ترکیب شبکه­های عصبی مصنوعی و الگوریتم بهینه­سازی حرکت تجمعی ذراتبر مبنای مدل­های تک متغیره و چند متغیره است. بدین منظور از اطلاعات مربوط به 114 شرکت از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، طی سال­های 1380 تا 1389 استفاده شده است.نتایج این پژوهش نشان می­دهدکهمدل تک متغیره بادقت 78.5% ومدل چند متغیره با دقت 91.7% سود هر سهم را پیش­بینی می­نماید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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

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

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 ...

full text

توسعه مدل بنیش با ترکیب شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات برای پیش‌بینی دستکاری سود

هدف: به باور بنیش (1999)، دستکاری سود زمانی رخ می‌دهد ‌که مدیریت، اصول پذیرفته‌شده عمومی حسابداری را ‌به‌منظور سودآور‌ نشان‌‎دادن عملکرد مالی شرکت نقض می‌کند. در این پژوهش، مدل بنیش با تأکید بر متغیرهای خارج از داده‌های‎‌‌ حسابداری، شامل عدم تقارن اطلاعاتی و بازار رقابت محصول، توسعه یافته است. روش: برای دستیابی به هدف پژوهش، داده‌های لازم برای 184شرکت پذیرفته‌...

full text

پیش بینی مدیریت سود بر مبنای تعدیل سود هر سهم

  در این مقاله سودمندی اطلاعات حسابداری در پیش­بینی رفتار مدیریت سود شرکت­های تعدیل کننده EPS مورد بررسی قرار گرفته است. نمونه تحقیق شامل آن دسته از شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است که در طول دوره مالی اقدام به تعدیل EPS  کرده­اند. یافته­ها نشان می­دهد دو انگیزه قراردادی (قراردادهای بدهی) و فشار بازار سرمایه (رشد سود عملیاتی و سود خالص) انگیزه مدیران شرکت‌ها برای تعدیل EPS ب...

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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 6

pages  63- 82

publication date 2013-06-15

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