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

بررسی بازار بورس جهت تشخیص به موقع زمان خرید یا فروش سهام یک شرکت و هم چنین ارزش آن، همواره به عنوان مشکلی بزرگ برای کسانی که در این بازار مشغول به فعالیت هستند مطرح بوده است. لذا پیش بینی قیمت سهام شرکت ها قبل از انجام تصمیم های سرمایه گذاری، از طریق اطلاعات و صورت های مالی از اهمیت فوق العاده ای برخوردار است. سهام داران جهت اتخاذ تصمیم های صحیح و مناسب در این زمینه، نیازمند اطلاعات سودمندی هستند که آن ها را در اخذ بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود هر سهم و سود پیش بینی شده هر سهم معیارهایی هستند که از نظر بسیاری از استفاده کنندگان با اهمیت و مربوط تلقی می شود. چرا که این اطلاعات می تواند بر رفتار استفاده کنندگان تأثیر گذاشته و افزایش و کاهش قیمت و حجم معاملات سهام را در پی داشته باشد. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با دقت هرچه بیش تر پیش بینی کنند، زیرا تحقیقات قبلی نشان می دهد هر چه خطای پیش بینی سود پایین تر باشد، نوسان های قیمت سهام کم تر خواهد بود. بر این اساس پژوهش حاضر خواستار طراحی مدلی به منظور کاهش خطای پیش بینی سود هر سهم در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. برای این منظور ابتدا عوامل موثر بر سود هر سهم سال آتی شرکت ها شامل جریان وجه نقد عملیاتی، اقلام تعهدی عملیاتی، سود تقسیمی هر سهم، سود هر سهم سال جاری، میانگین سود هر سهم دوره های گذشته، بازده سهام، ارزش افزوده اقتصادی و سود باقی مانده، از پژوهش های داخلی و خارجی استخراج و سپس با استفاده از اطلاعات مالی شرکت های نمونه انتخابی در بازه زمانی سال های 1382 لغایت 1389 و به کارگیری رویکرد شبکه های عصبی مصنوعی، سعی شد مدلی جهت برآورد بهترین پیش بینی سود هر سهم ارائه شود. این مدل توانست سود هر سهم سال آتی شرکت های نمونه را با میزان خطای مطلوبی معادل 007/0 پیش بینی نماید