پيش بيني سود هر سهم (EPS) با استفاده از شبکه هاي عصبي پرسپترون چند لايه (MLP) و توابع شعاعي بنيادين(RBF) در شرکت هاي پذيرفته شده در بورس اوراق بهادار تهران

دانشجویان DBA

پيش بيني سود هر سهم (EPS) با استفاده از شبکه هاي عصبي پرسپترون چند لايه (MLP) و توابع شعاعي بنيادين(RBF) در شرکت هاي پذيرفته شده در بورس اوراق بهادار تهران

چکيده: سود هر سهم يکي از فاکتورهاي مالي بسيار مهم است که مورد توجه مديران، سرمايه گذاران و تحليل گران  مالي مي باشد و اغلب براي تصميم گيري در خصوص سرمايه گذاري، ارزيابي سودآوري و ريسک مرتبط با سود و نيز قضاوت در خصوص قيمت سهام استفاده مي شود، از اين رو پيش بيني آن براي مديران و ذينفعان حائز اهميت اساسي است. هدف اين تحقيق ارائه­ي مدلي به منظور پيش بيني سود هر سهم  با استفاده از شبکه­ عصبي پرسپترون چند لايه(MLP) و شبكه­ي  عصبي توابع شعاعي بنيادين(RBF) و تعيين مدل برتر با استفاده از معيار هاي ارزيابي عملکرد است. بدين منظور، شرکت هاي عضو بورس اوراق بهادار تهران به عنوان جامعه آماري تحقيق در نظر گرفته شدند و 630 سال-شرکت در قالب 24 صنعت فعال بورس در محدوده­ي زماني 1388-1382 به عنوان نمونه­ي تحقيق انتخاب شدند. نتايج تحقيق نشان مي دهد که شبکه­ي MLP خطاي پيش بيني کمتري نسبت به شبکه­ي RBF دارد و همبستگي بين داده هاي واقعي و داده هاي پيش بيني شده­ توسط اين شبکه نيز از RBF بيشتر است؛ در نتيجه دقت پيش بيني شبکه­يMLP بيشتر از شبکه­ي RBF است.

شماره نشریه: 
21
فصل انتشار: 
فایل PDF: 
سال انتشار: