الگوسازی و پیشبینی EPS شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با رویکرد شبکه عصبی GMDH
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 247
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ACCTG-20-1_001
تاریخ نمایه سازی: 24 بهمن 1400
چکیده مقاله:
پیشبینی سود هر سهم و تغییرات آن، یک رویداد اقتصادی است که از دیرباز مورد علاقه سرمایهگذاران، مدیران، تحلیلگران مالی و اعتباردهندگان بوده است. در این پژوهش از شبکه عصبی GMDH که ابزاری با قابلیت بالا در مسیریابی و تشخیص روندهای غیرخطی پیچیده با تعداد مشاهدات محدود است، برای الگوسازی و پیشبینی سود هر سهم از شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران استفاده شده است. ابتدا الگویی شامل هشت نسبت مالی طراحی و سپس با استفاده از فرآیند قیاسی و نیز کنارگذاشتن هر متغیر از الگوی بنیادی، در مجموع هشت مدل اجرا شد. نتایج نشان داد، الگوهای حاصل از کنار گذاشتن بازده داراییها، نسبت جاری و بازده سرمایه از الگوی بنیادی، بهترتیب بیشترین تاثیر را در کاهش خطای پیشبینی سود هر سهم دارند. همچنین گردش موجودی کالا و دوره وصول مطالبات، دارای اثر مضاعف در کاهش خطا هستند. درنهایت برتری شبکه عصبی GMDH در دقت پیشبینی سود هر سهم نسبت به روش ARIMA، بر اساس معیارهای خطا نیز مورد تایید قرار گرفت.
کلیدواژه ها:
نویسندگان
علی اصغر انواری رستمی
استاد و مدیر گروه حسابداری دانشگاه تربیت مدرس، تهران، ایران
عادل آذر
استاد و مدیر گروه مدیریت صنعتی دانشگاه تربیت مدرس، تهران، ایران
محمد نوروزی
کارشناس ارشد مدیریت بازرگانی (مالی)، دانشگاه تربیت مدرس، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :