پیش بینی سود هر سهم با استفاده از شبکه های عصبی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران

هدف اصلی تحقیق حاضر بررسی دقت پیش بینی سود هر سهم با استفاده از شبکه های عصبی و مقایسه آن با مدل های خطی می باشد. علاوه بر این اثر متغیرهای بنیادی حسابداری بر پیش بینی سود هر سهم مورد بررسی قرار گرفت. برای این منظور مدل های خطی و غیرخطی به صورت تک متغیره و چند متغیره مورد استفاده قرار گرفتند. لذا از هفت متغیر اثرگذار بر سود هر سهم به عنوان متغیر های مستقل و سود هر سهم به عنوان متغیر وابسته استفاده شده است. از طرفی برای آموزش شبکه های عصبی از دو الگوریتم پس انتشار خطا و الگوریتم ژنتیک استفاده گردید و دقت پیش بینی این دو الگوریتم مقایسه گردید. در این تحقیق تعداد 91 شرکت از سال 1383 تا سال 1389 به صورت فصلی مورد بررسی قرار گرفت. از روش رگرسیون پنلی جهت مدل خطی و از شبکه عصبی پیشخور تعمیم یافته جهت بررسی از طریق شبکه عصبی استفاده شد. نتایج حاصل از این تحقیق نشان داد شبکه های عصبی که در آن از متغیرهای بنیادی حسابداری استفاده گردید دقت بالاتری در پیش بینی سود هر سهم نسبت به روش های تک متغیره شبکه عصبی و تک متغیره و چند متغیره روش های خطی دارد. به طور کل می توان گفت افزودن متغیرهای بنیادی حسابداری دقت پیش بینی شبکه های عصبی را افزایش می دهد از طرف دیگر اضافه نمودن آن ها به روش های خطی اثر منفی بر دقت پیش بینی توسط آن ها داشت. در مورد مقایسه دقت پیش بینی بین دو الگوریتم آموزشی ژنتیک و پس انتشار خطا با توجه به نتایج متفاوتی که از گره های مختلف حاصل شد، امکان قضاوت قطعی وجود ندارد.