پیش بینی بازده سهام با متغیرهای مالی با رویکرد شبکه های عصبی
Publish place: کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,518
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_077
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد کشور را تشکیل می دهد. به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانند بالاترین بازده را از سرمایه گذاری خود کسب کنند. از سوی دیگر، شاخص قیمت سهام نشان دهنده وضعیت کلی بازار سهام است و می تواند به پیش بینی سهامداران جهت سرمایه گذاری کمک کند بورس اوراق بهادار، بازار رسمی و سازمان یافته سرمایه است که در آن اوراق بهادار پذیرفته شده از قبیل سهام شرکت ها و اوراق مشارکت، تحت قوانین خاصی داد و ستد می شوند. بنابراین در این پژوهش تلاش گردیده تا تأثیر متغیرهای مالی بر بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی 1382تا 1392 مشخص شود. هدف این پژوهش پیش بینی بازده سهام با استفاده از متغیرهای مالی با رویکرد شبکه های عصبی است، متغیرهای مستقل در این پژوهش متغیرهای مالی و متغیرهای وابسته بازده سهام می باشد. نمونه پژوهش، 200 شرکت با 26 صنایع مختلف می باشند که با توجه به برخی معیارهای موردنظر انتخاب شده اند. به منظور پیش بینی بازده سهام، از دو روش رگرسیون حداقل مربعات و شبکه های عصبی مصنوعی و نرم افزارهای اقتصاد سنجی Eviews و State و نرم افزار MATLAB استفاده شده است. نتایج پژوهش نشان داد که 89 درصد پیش بینی بازده سهام توسط روش رگرسیون و 96،1289 درصد توسط شبکه های عصبی مصنوعی می باشد و با توجه به نتایج، روش شبکه های عصبی مصنوعی بهتر از روش رگرسیون حداقل مربعات می تواند بازده سهام را پیش بینی کند.
Keywords:
Authors
بیتا پرچمی
کارشناس ارشد
حسین نعمت زاده
استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد ساری
رضا شاهوردی
دانشیار گروه ریاضی، دانشگاه آزاد اسلامی واحد قائمشهر
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 :