الگوسازی و پیشبینی EPS شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با رویکرد شبکه عصبی GMDH
عنوان مقاله: الگوسازی و پیشبینی EPS شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با رویکرد شبکه عصبی GMDH
شناسه ملی مقاله: JR_ACCTG-20-1_001
منتشر شده در در سال 1392
شناسه ملی مقاله: JR_ACCTG-20-1_001
منتشر شده در در سال 1392
مشخصات نویسندگان مقاله:
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
خلاصه مقاله:
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.
کلمات کلیدی: نسبتهای مالی, سود هر سهم, شبکه عصبی GMDH, روش ARIMA
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1398597/