مقایسه مدل های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش بینی سود هر سهم
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده علوم اداری و اقتصاد
- نویسنده محمد رسول چوپانی
- استاد راهنما فرزانه نصیرزاده مهدی صالحی مهدی عمادی
- سال انتشار 1393
چکیده
پیش بینی سود حسابداری و تغییرات آن به جهت استفاده از در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت، ارزیابی ریسک، ارزیابی عملکرد واحد اقتصادی و مباشرت مدیریت است از دیرباز مورد علاقه سرمایه گذاران، مدیران، تحلیلگران مالی، محققین و اعتباردهندگان بوده است. سود هر سهم اغلب برای ارزیابی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود. تحقیقات مختلفی به ارزیابی عملکرد دو یا چند مدل پرداخته اند. در این تحقیق عملکرد سه مدل تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش بینی سود هر سهم مورد ارزیابی قرار گرفته است. برای انجام تحقیق از 9 متغیر مالی، 7 متغیر بنیادی و 4 متغیر کلان استفاده شده است. ابتدا متغیرهای مالی و بنیادی به صورت جداگانه وارد مدل های تحقیق شده اند، سپس تمامی متغیرها همزمان وارد مدل ها شده اند تا توانایی آن ها در هر سه حالت مورد ارزیابی قرار گیرد. نتایج تحقیق نشان می دهد که مدل تخمینگر حداقل درجه در هر سه حالت فوق عملکرد بهتری نسبت به سایر مدل ها داشته است.
منابع مشابه
مقایسۀ دقت الگوریتمهای تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در کشف مدیریت سود
مطالعات زیادی در خصوص عوامل موثر بر مدیریت سود و میزان همبستگی بین آنها صورت گرفته است، اما بکارگیری عوامل موثر در جهت پیشبینی مدیریت سود کمتر مدنظر بوده است. در این تحقیق، توانایی پیشبینی الگوریتمهای تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در کشف مدیریت سود بررسی شده است. جامعۀ آماری این تحقیق شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران طی سالهای 1385 الی 1391 است. ن...
متن کاملمقایسۀ دقت الگوریتم های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در کشف مدیریت سود
مطالعات زیادی در خصوص عوامل موثر بر مدیریت سود و میزان همبستگی بین آنها صورت گرفته است، اما بکارگیری عوامل موثر در جهت پیش بینی مدیریت سود کمتر مدنظر بوده است. در این تحقیق، توانایی پیش بینی الگوریتم های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در کشف مدیریت سود بررسی شده است. جامعۀ آماری این تحقیق شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1385 الی 1391 است. ن...
متن کاملکشف مدیریت سود با استفاده از مدل های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی
مطالعات نشان می دهند که مدیران از طریق انتخاب سیاست های خاص حسابداری، تغییر در برآوردهای حسابداری و مدیریت اقلام تعهدی، سودهای گزارش شده را تعدیل می کنند. حسابرسان وظیفه دارند که بر مطلوبیت صورت های مالی در چارچوب استانداردهای حسابداری صحه بگذارند، در حالی که استانداردهای حسابداری نیز در بعضی از موارد دست مدیران را برای انتخاب روش حسابداری باز می گذارد. در واقع مشکل از جایی ناشی می شود که مدیری...
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکه های عصبی مصنوعی در پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس اوراق بهادار تهران
سهامداران جهت گرفتن تصمیم های سرمایه گذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیش بینی شده هر سهم از نظر استفاده کنندگان با اهمیت تلقی می شود. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. بنابراین، مقاله حاضر به دنبال ارائه مدلی جهت بهبود پیش بینی سود هر سهم شرکت...
متن کاملپیش بینی مدیریت سود بر مبنای تعدیل سود هر سهم
در این مقاله سودمندی اطلاعات حسابداری در پیشبینی رفتار مدیریت سود شرکتهای تعدیل کننده EPS مورد بررسی قرار گرفته است. نمونه تحقیق شامل آن دسته از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران است که در طول دوره مالی اقدام به تعدیل EPS کردهاند. یافتهها نشان میدهد دو انگیزه قراردادی (قراردادهای بدهی) و فشار بازار سرمایه (رشد سود عملیاتی و سود خالص) انگیزه مدیران شرکتها برای تعدیل EPS ب...
متن کاملاستفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان
پیشبینی مقادیر جریان ورودی به سیستم منابع آب بهمنظور آگاهی از شرایط آینده و برنامهریزی برای تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب میباشد. هدف از پژوهش حاضر پیشبینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از دادههای هیدرومتری ایستگاه قزاقلی با دوره آماری 47 سال و سه مدل سریزمانی، شبکه عصبی و ماشین بردار پشت...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده علوم اداری و اقتصاد
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023