مقایسه توانایی مدل های خطی، پس انتشار و الگوریتم ژنتیک در پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس اوراق بهادار تهران

یکی از شیوه?های متداول سرمایه گذاری که امروزه به شکل گسترده ای به کار گرفته می شود، سرمایه گذاری در سهام شرکت?ها می باشد. در این راستا پیش بینی سود هر سهم به عنوان معیاری مهم در ارزیابی سهام، از اهمیت ویژه?ای در تصمیمات سرمایه گذاری برخوردار است. هدف اصلی این پژوهش، تعیین قدرت پیش بینی کنندگی سود هر سهم در مدل?های خطی، شبکه عصبی پس انتشار، و شبکه عصبی مجهز به الگوریتم ژنتیک است. در راستای این هدف 185 شرکت واجد شرایط از میان شرکت?های پذیرفته شده در بورس اوراق بهادار تهران انتخاب و از اطلاعات مالی آن?ها در بازه زمانی 1378 الی 1387 استفاده شد. عوامل تعیین کننده در پیش بینی سود هر سهم تحت عنوان متغیرهای بنیادین حسابداری مورد بررسی قرار گرفت. این عوامل در قالب متغیرهای مستقل پژوهش شامل موجودی کالا، حساب?های دریافتنی، دارایی?های ثابت پس از کسر استهلاک انباشته، سود ناویژه، هزینه?های اداری و فروش، و نرخ موثر مالیات، از یک سو و سود هر سهم به عنوان متغیر وابسته پژوهش از سوی دیگر در نظر گرفته شد. در این پژوهش به منظور آزمون فرضیه ها، در مرحله اول به طراحی و پیاده سازی مدل?های شبکه عصبی و الگوریتم ژنتیک پرداخته شد و در مرحله بعد اقدام به پیش بینی سود هر سهم، بر اساس مدل?های خطی و غیر خطی مذکور گردید. سپس با استفاده از معیارهای سنجش خطا، نتایج مدل?های سه گانه فوق با یکدیگر مورد مقایسه قرار گرفت. یافته?های پژوهش نشان می?دهد مدل شبکه عصبی مجهز به الگوریتم ژنتیک پیش بینی های کاملاً مناسبی داشته و نسبت به سایر مدل?ها، از دقت بالاتری برای پیش بینی برخوردار بوده است.