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.