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

پیام خطا

Deprecated function: Array and string offset access syntax with curly braces is deprecated in include_once() (line 20 of /home/iranianaacom/public_html/includes/file.phar.inc).

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: