ترکیب شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیشبینی سود هر سهم
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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...
متن کاملپیش 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...
متن کاملمدل 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 اولمقایسه 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 8 شماره 3
صفحات 7- 34
تاریخ انتشار 2017-11-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023