مقایسه کارآیی مدلهای رگرسیون با رویکرد تحلیل مولفههای اصلی (PCA) وشبکههای عصبی مصنوعی درپیشبینی بازده غیرعادی
Publish place: Journal of Asset Management and Financing، Vol: 4، Issue: 1
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 156
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AMF-4-1_001
تاریخ نمایه سازی: 19 مهر 1400
Abstract:
بسیاری از پژوهشها در علم مالی بر پیشبینی دقیق بازده شرکتها با در نظر داشتن ریسک سرمایهگذاری در سهام آنها تمرکز داشتهاند. هدف این پژوهش،بررسی امکان توضیح بازده غیرعادی(تفاوت بازده مورد انتظار حاصل از مدل قیمتگذاری داراییهای سرمایهای و بازده واقعی) بااستفاده ازنسبتهای مالی وانتخاب ابزاربهتر برای پیشبینی آن از بین دومدل رگرسیون چندگانه با رویکرد تحلیل مولفههای اصلی (PCA) وشبکههای عصبی مصنوعی(ANN) است. بر این اساس توانایی مدل شبکههای عصبی مصنوعی پیشخور با الگوریتم پسانتشار خطا (BPN) در پیشبینی برون نمونهای بازده غیرعادی سهام مورد معامله در بورس اوراق بهادار تهران در سالهای ۱۳۸۴ تا ۱۳۹۱ به طور معناداری بیشتر از توانایی رگرسیون خطی با رویکرد تحلیل مولفههای اصلی بوده است.
Keywords:
بازده غیرعادی سهام , شبکه های عصبی مصنوعی , رگرسیون خطی با تحلیل مولفه های اصلی (PCA) , پیش بینی برون نمونه ای
Authors
رضا راعی
دانشیار دانشگاه تهران
مهدی بستان آراء
دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :