پیش بینی سود حسابداری با استفاد ه از شبکه عصبی مصنوعی پرسپترون (MLP) در مقایسه با شبکه عصبی مصنوعی توابع پایه شعاعی (RBF)

در این مقاله به پیش بینی سود شرکتهای بورس اوراق بهادار تهران می پردازیم و برای پیش بینی از دو الگوی شبکه هایعصبی یعنی روش پرسپترون و توابع پایه شعاعی استفاده می کنیم. برای پیش بینی سود، از چهار متغیر مستقل، نسبت بدهی بهدارایی، قیمت به سود، جمع بدهی ها و حقوق صاحبان سهام، نسبت فروش به ارزش بازار استفاده می گردد که ۳ فرضیه اصلی و فرعیبیان گردیده که هر یک از آنها آزمون شده اند و به نتایج زیردست یافته ایم. ۱- رد فرضیه اختصاصی اول: روش شبکه عصبی توابع پایه شعاعی از روش پرسپترون دقیق تر می باشد. ۲- رد فرضیه فرعی اول: پیش بینی شبکه عصبی پرسپترون با نتایج واقعی تفاوتمعنی داری دارد. ۳- تایید فرضیه فرعی دوم: پیش بینی شبکه عصبی توابع پایه شعاعی با نتایج واقعی تفاوت معنی داری ندارد. برای آزمون هر یک از فرضیه های تحقیق از اطلاعات و آمار شرکت های عضو بورس اوراق بهادار تهران در طول سال های۱۳۸۱ تا ۱۳۹۱ استفاده شده است.

کلیدواژه ها:

سود ، شبکه عصبی پرسپترون ، شبکه توابع پایه شعاعی