پیشبینی میزان سودآوری سهام شرکتها با رویکرد ترکیبی شبکههای عصبی و تکنیکهای تصمیمگیری چند شاخصه فازی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 485
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CAFM05_039
Index date: 9 June 2017
پیشبینی میزان سودآوری سهام شرکتها با رویکرد ترکیبی شبکههای عصبی و تکنیکهای تصمیمگیری چند شاخصه فازی abstract
میزان سودآوری یک شرکت از مهمترین معیارهای ارزیابی شرکتها توسط سرمایهگذاران است. بخشی از تصمیمگیری بهپیش بینی توانایی سودآوری آینده شرکتها و یا اوراق بهادار آنها مربوط میشود که در تمامی الگوهای تصمیمگیری منظور میشوند. این تحقیق درصدد پیشبینی میزان سودآوری سهام شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از رویکرد ترکیبی شبکههای عصبی و تکنیکهای تصمیمگیری چند شاخصه فازی است. نمونهی تحت بررسی 100 شرکت عضو بورس اوراق بهادار است که در 29 اسفند 1394 صورتهای مالی حسابرسی شدهی خود را منتشر کردهاند. بهمنظور دستیابی به اهداف خود، در ابتدا با تعیین متغیرهای موثر بر سودآوری، متغیرهای بالقوهای که میتوانند در تحقیق ما بکار گرفته شوند را تعیین نمودیم. به این منظور بررسی مبسوطی بر روی ادبیات تحقیق صورت گرفت و فهرست جامعی از عواملی که در تحقیقاتپیشین از خود توانایی بالایی در پیشبینی سودآوری نشان داده بودند، فراهم شد. در ادامه مدل شبکهی عصبی مناسب طراحی و ورودیها و خروجی مشخص گردید. 12 عامل از 27 عوامل بررسیشده انتخاب شدند که ورودیها شامل؛ ROE ،ROA ، نسبت بدهی به دارایی، نسبت سرمایه به دارایی، رشد دارایی، رشد سود، حضور در تالار اصلی یا فرعی بورس، نوع صنعت، نوع اظهارنظر حسابرس، اهرم مالی و عمر شرکت و خروجی مدل قیمت سهام میباشد. نتایج تحقیق نشان میدهد که شبکهی عصبی مصنوعی، توانایی بالایی در پیشبینی میزان سودآوری سهام دارد.
پیشبینی میزان سودآوری سهام شرکتها با رویکرد ترکیبی شبکههای عصبی و تکنیکهای تصمیمگیری چند شاخصه فازی Keywords:
پیشبینی میزان سودآوری سهام شرکتها با رویکرد ترکیبی شبکههای عصبی و تکنیکهای تصمیمگیری چند شاخصه فازی authors
سلاله سادات میروکیلی
دانشجوی کارشناسی ارشد مهندسی مالی دانشگاه علم و هنر یزد
سیدحبیب اله میرغفوری
استادیار دانشگاه یزد
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 :