پیش بینی بازده سهام با استفاده از شبکه های عصبی مصنوعی
محل انتشار: اولین کنفرانس ملی اقتصاد،مدیریت و حسابداری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 573
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAC01_185
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
از جمله روش های سرمایه گذاری ، وارد شدن به بورس و خرید و فروش سهام شرکت ها است و مهمترین هدف هرسرمایه گذار کاهش ریسک و کسب بیشترین سود می باشد. برای این منظور ، سرمایه گذاران سهام شرکت های مختلف را با یکدیگر مقایسه می کنند و بهترین ها را در سبد سهام خود جای می دهند . یکی از ابزارهایی که موجب انتخاب بهینه سهام برای سرمایه گذاری می شود ، کسب بازدهی سهام بالا است. در بازار های سرمایه برگ برنده در دست سرمایه گذاری است که پیش بینی مناسبی از بازدهی سهام شرکت ها داشته باشد، از برترین کاربرد های شبکه های عصبی، میتوان به پیش بینی اشاره کرد. در این پژوهش ما دریافتیم که، میزان رابطه بین نسبتهای حسابداری و بازده سهام تا حدود زیادی ضعیف است و نمیتواند نقطه اتکا باشد این نتایج مطابق با یافته های روتنستین و پاولزیک 2005 است که بیان نمودند، اگر در تحقیقات بازار صرفا بعد اقلام صورتهای مالی و نسبت های مالی منتج از آنها در نظر گرفته شود سودمندی محدود و کمی در پیش بینی قیمت و بازده سهام با استفاده از متغیرهای مالی وجود دارد. نتایج بدست آمده نشان میدهد که پیش بینی بوسیله شبکه عصبی به مراتب بهتر از روش های خطی عمل میکند عباس پور، 17.1381 همچنین به برتری مدل شبکه های عصبی رگرسیون عمومی، نسبت به مدل های رگرسیون خطی ساده و شبکه های عصبی چند لایه پی بردیم
کلیدواژه ها:
نویسندگان
نیلوفر توسلی
کارشناس ارشد حسابداری،دانشگاه آزاد اسلامی،واحد بروجرد،ایران
داریوش جاوید
استادیار حسابداری دانشگاه آزاد اسلامی،واحد بروجرد،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 :