مدل سازی پیش بینی EPS با استفاده از شبکه های عصبی - فازی

پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصادی می باشد. هدف این تحقیق پیش بینی سود هر سهم با استفاده از شبکه عصبی – فازی و شبکه عصبی درک چندلایه(MLP) و GMDH و تعیین مدل برتر با استفاده از چهار معیار مربع میانگین خطای استاندارد(MSE) ، میانگین قدر مطلق خطا (MAE)، مربع مجذور میانگین خطا (RMSE) و (R۲) ضریب تعیین می باشد. بدین منظور، شرکت های پذیرفته شده در بورس و اوراق بهادار تهران به عنوان جامعه آماری و نمونه انتخابی شامل،۵۰۰ سال/شرکت در قالب ۲۴ صنعت فعال بورس در دوره زمانی ۱۳۹۰- ۱۳۸۶ می باشد که به صورت تصادفی و روش نمونه گیری خوشه ای انتخاب شده اند. نتایج تحقیق بیانگر برتری شبکه عصبی – فازی در تمامی چهار معیار ارزیابی نسبت به شبکه عصبی MLP و GMDH می باشد که نشان از توانایی بالای این شبکه در شناخت الگوهای حاکم برداده ها و وجود رابطه غیرخطی برخی متغیرهای حسابداری با سود هر سهم دارد. درنتیجه دقت پیش بینی شبکه عصبی – فازی بیشتر از شبکه ی MLP و GMDH است و برای پیش بینی سود هر سهم مناسب می باشد

کلیدواژه ها:

سود هر سهم ، شبکه های عصبی- فازی ، شبکه عصبی MLP ، شبکه GMDH