ارزیابی توان پیش‌بینی سود فصلی هر سهم بااستفاده ازمدل‌های سری زمانی

پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش¬بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظورازروش¬هاومدل¬های متفاوت به منظورپیش¬بینی سودهای آتی شرکت¬هااستفاده شده است. در این راستا، در پژوهش حاضر، مدل¬های سری زمانی توضیحی جمعی میانگین متحرک ARIMAوشبکه¬های عصبی مصنوعی از نوع پرسپترون چند لایه (MLP) مورداستفاده قرارگرفتند وپیش بینی¬هابرای سودهای فصلی شرکتهای پذیرفته شده دربازاربورس اوراق بهادارتهران وبراساس داده های فصلی سالهای 1386تا 1391انجام پذیرفت. نتایج نشان دادکه مدل شبکه¬های عصبی مصنوعی به طورمعناداری، خطاهای کوچکتری رادرپیش¬بینی نسبت به مدل-هایARIMAایجادمی¬کنندودرنتیجه پیش¬بینی سودهای فصلی این شرکت¬ها، توسط شبکه¬های عصبی مصنوعی وباروشMLP ازتوان بیشتری نسبت بهARIMAبرخورداراست