پیشبینی میزان سودآوری سهام شرکتها با رویکرد ترکیبی شبکههای عصبی و تکنیکهای تصمیمگیری چند شاخصه فازی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 343

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CAFM05_039

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

میزان سودآوری یک شرکت از مهمترین معیارهای ارزیابی شرکتها توسط سرمایهگذاران است. بخشی از تصمیمگیری بهپیش بینی توانایی سودآوری آینده شرکتها و یا اوراق بهادار آنها مربوط میشود که در تمامی الگوهای تصمیمگیری منظور میشوند. این تحقیق درصدد پیشبینی میزان سودآوری سهام شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از رویکرد ترکیبی شبکههای عصبی و تکنیکهای تصمیمگیری چند شاخصه فازی است. نمونهی تحت بررسی 100 شرکت عضو بورس اوراق بهادار است که در 29 اسفند 1394 صورتهای مالی حسابرسی شدهی خود را منتشر کردهاند. بهمنظور دستیابی به اهداف خود، در ابتدا با تعیین متغیرهای موثر بر سودآوری، متغیرهای بالقوهای که میتوانند در تحقیق ما بکار گرفته شوند را تعیین نمودیم. به این منظور بررسی مبسوطی بر روی ادبیات تحقیق صورت گرفت و فهرست جامعی از عواملی که در تحقیقاتپیشین از خود توانایی بالایی در پیشبینی سودآوری نشان داده بودند، فراهم شد. در ادامه مدل شبکهی عصبی مناسب طراحی و ورودیها و خروجی مشخص گردید. 12 عامل از 27 عوامل بررسیشده انتخاب شدند که ورودیها شامل؛ ROE ،ROA ، نسبت بدهی به دارایی، نسبت سرمایه به دارایی، رشد دارایی، رشد سود، حضور در تالار اصلی یا فرعی بورس، نوع صنعت، نوع اظهارنظر حسابرس، اهرم مالی و عمر شرکت و خروجی مدل قیمت سهام میباشد. نتایج تحقیق نشان میدهد که شبکهی عصبی مصنوعی، توانایی بالایی در پیشبینی میزان سودآوری سهام دارد.

کلیدواژه ها:

پیشبینی سودآوری ، سهام ، شبکههای عصبی ، تکنیکهای چند شاخصه فازی

نویسندگان

سلاله سادات میروکیلی

دانشجوی کارشناسی ارشد مهندسی مالی دانشگاه علم و هنر یزد

سیدحبیب اله میرغفوری

استادیار دانشگاه یزد

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 :
  • ابونوری، عباسعلی و ناهید خدادادی (1921). مقایسه عملکرد مدلهای رگرسیونی ...
  • اعتمادی، حسین؛ آذر، عادل و بقائی، وحید (1921). به کارگیری ...
  • پورزمانی، زهرا(1921)، کاربرد الگوریتم ژنتیک طی و غیر خطی در ...
  • جلیلی، صابر؛ نونهال نهر، علی اکبر و خالقی، نوید (1921). ...
  • حقیقت، حمید؛ بختیاری، مسعود و بهشتی پور، محمد تقی (1921). ...
  • ره انجام سید محسن (1922). مقایسه توانمندی شبکه های عصبی ...
  • فاضل یزدی، علی؛ تقی زاده مهرجردی، روح ا و طحاری ...
  • کردستانی، غلامرضا؛ معصومی، جواد و بقائی، وحید (1922). پیش بینی ...
  • مدرکیان، حسن؛ موحدی، محمد مهدی؛ طبیبی راد، وحیده و طبیبی ...
  • پور زمانی، زهرا؛ کی پور، رضا و نورالدین، مصطفی (1932). ...
  • Abdipoor S, Nasseri A, Akbarpour M. (2013). "Integrating Neural Network ...
  • Feng Lihua, Zhang Jianzhen. (2014). "Application of artificial neural networks ...
  • _ Nourbakhsh Fariba, Rostami Alireza, Arshadi Dr.Ali, Sarlak Dr.Ahmad, Almasi ...
  • Monica, L. (2004). Neural network techniques for financial performance prediction: ...
  • oil price forecasting: Experimental Crudeء 17. Jammazi Rania, Aloui Chaker ...
  • Zahedi J, Rounaghi MM. (2014). "Application of artificial neyral network ...
  • نمایش کامل مراجع