علی اصغر انواری رستمی - استاد و مدیر گروه حسابداری دانشگاه تربیت مدرس، تهران، ایران
عادل آذر - استاد و مدیر گروه مدیریت صنعتی دانشگاه تربیت مدرس، تهران، ایران
محمد نوروزی - کارشناس ارشد مدیریت بازرگانی (مالی)، دانشگاه تربیت مدرس، تهران، ایران

پیش‎بینی سود هر سهم و تغییرات آن، یک رویداد اقتصادی است که از دیرباز مورد علاقه سرمایه‎گذاران، مدیران، تحلیل­گران مالی و اعتباردهندگان بوده است. در این پژوهش از شبکه عصبی GMDH که ابزاری با قابلیت بالا در مسیریابی و تشخیص روندهای غیرخطی پیچیده با تعداد مشاهدات محدود است، برای الگوسازی و پیش‎بینی سود هر سهم از شرکت‎های پذیرفته‎شده در بورس اوراق بهادار تهران استفاده شده است. ابتدا الگویی شامل هشت نسبت مالی طراحی و سپس با استفاده از فرآیند قیاسی و نیز کنارگذاشتن هر متغیر از الگوی بنیادی، در مجموع هشت مدل اجرا شد. نتایج نشان داد، الگوهای حاصل از کنار گذاشتن بازده دارایی‎ها، نسبت جاری و بازده سرمایه از الگوی بنیادی، به‎ترتیب بیشترین تاثیر را در کاهش خطای پیش‎بینی سود هر سهم دارند. همچنین گردش موجودی کالا و دوره وصول مطالبات، دارای اثر مضاعف در کاهش خطا هستند. درنهایت برتری شبکه عصبی GMDH در دقت پیش‎بینی سود هر سهم نسبت به روش ARIMA، بر اساس معیارهای خطا نیز مورد تایید قرار گرفت.

نسبت‎های مالی, سود هر سهم, شبکه عصبی GMDH, روش ARIMA