توسعه مدل هوشمند ترکیبی رگرسیون و شبکه عصبی برای تحلیل کارایی شرکتهای داروسازی در بورس اوراق بهادار تهران

صنعت داروسازی در ایران به عنوان یکی از ارکان حیاتی نظام سلامت همواره تحت تاثیر نوسان های متغیرهای کلان و فشارهای ساختاری قرار دارد. پژوهش حاضر از نظر هدف کاربردی و از حیث ماهیت توصیفی - همبستگی و از نوع پس رویدادی است که با هدف ارائه مدلی هوشمند برای تحلیل و پیش بینی کارایی واقعی شرکتهای داروسازی انجام شده است. رویکرد تحلیلی این مطالعه مبتنی بر یک الگوریتم دو مرحله ای است؛ بدین صورت که ابتدا از تحلیل رگرسیونی برای تبیین ساختار خطی روابط و سپس از شبکه عصبی مصنوعی برای کشف الگوهای غیرخطی پنهان در باقیمانده های مدل اولیه استفاده می شود. جامعه آماری پژوهش شامل کلیه شرکت های داروسازی پذیرفته شده در بورس اوراق بهادار تهران در قلمرو زمانی ۱۴ ساله است که با کاربست روش حذفی سازمان مند و بر اساس کفایت داده های مالی و تداوم فعالیت شرکت ها تعداد ۲۸ شرکت به عنوان نمونه نهایی انتخاب گردید. پس از آماده سازی داده ها در محیط اکسل، تحلیل استنتاجی طی دو مرحله انجام پذیرفت. نخست جهت تبیین روابط خطی میان متغیرهای کلان و درون شرکتی با درآمد، فروش از نرم افزار استاتا استفاده می شود. با انتقال باقیمانده های مدل خطی به محیط پایتون الگوریتم شبکه عصبی پس انتشار خطا با لایه پنهان هفت نرونی جهت مدل سازی الگوهای غیرخطی اجرا می شود. یافته های پژوهش نشان می دهد که مدل رگرسیونی خطی به تنهایی قادر به تبیین کامل نوسان های فروش نیست و متغیر نرخ ارز تاثیر معناداری بر عملکرد فروش نداشته است. در مقابل، مدل هوشمند ترکیبی با شناسایی الگوهای پیچیده و غیرخطی منجر به کاهش قابل توجه خطای پیش بینی و ارتقای ضریب تعیین می شود. این نتایج موید برتری رویکرد ترکیبی نسبت به مدل های کلاسیک در محیط های پرنوسان اقتصادی است.

کلیدواژه ها:

مدل هوشمند ترکیبی ، رگرسیون چندمتغیره ، شبکه عصبی مصنوعی ، کارایی مالی