شهرزاد عزت دوست - کارشناسی ارشد مدیریت مالی دانشگاه تهران

پیش بینی بازده سهام اگرچه پیچیده است ، ولی همواره مورد علاقه تصمیم گیران مالی است . یکی از موضوعات مهم در این پیش بینی ها انتخاب مدل مناسب است . براساس نمونه ای متشکل از ۱۱۴ شرکت پذیرفته شده در بورس اوراق بهادار که اطلاعات آن ها بطور کامل برای سال های ۱۳۸۵ تا ۱۳۹۰ موجود بوده است ، با توجه به متغیر های مستقل ریسک سیستماتیک ، ریسک غیر سیستماتیک و حجم معاملات با استفاده از مدل شبکه های عصبی )MLP سه لایه پیش خور) به پیش بینی بازده سهام( متغیر وابسته ) پرداخته شده است . برای بررسی صحت و دقت پیش بینی نتایج حاصل از مدل، با استاده از آزمون t داده های پیش بینی با داده های واقعی سال ۱۳۹۱ مقایسه گردیده است . نتایج حاصل از مدل، با استفاده از آزمون t داده های پیش بینی شده با داده های واقعی سال ۱۳۹۱ مقایسه گردیده است . نتایج حاصل از مقایسه نشان داده است که بین داده های پیش بینی توسط شبکه های عصبی و داده های واقعی تفاوت معناداری وجود نداشته است . لذا شبکه های عصبی روش مناسبی برای پیش بینی بازده سهام محسوب می گردند. در ادامه با بررسی فرضیات، با استفاده از آزمون آماری f، برای بررسی رابطه مندی متغیر های مستقل با وابسته و در نهایت از آزمون همبستگی پیرسون برای سنجش رابطه مستقیم و معکوس آن استفاده می شود.

حجم معاملات، ریسک ، بازده سهام، مدل شبکه عصبی مصنوعی