مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکه های عصبی مصنوعی در پیش بینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران

سهامداران جهت گرفتن تصمیم های سرمایه گذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیش بینی شده هر سهم از نظر استفاده کنندگان با اهمیت تلقی می شود. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. بنابراین، مقاله حاضر به دنبال ارایه مدلی جهت بهبود پیش بینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکردهای نوین هوش مصنوعی است. برای این منظور ابتدا عوامل موثر بر سود هر سهم سال آتی از پژوهش های داخلی و خارجی استخراج شد، سپس با استفاده از اطلاعات مالی شرکتهای نمونه در بازه زمانی سال های 1384 تا 1391 و به کارگیری روش ماشین بردار پشتیبان و شبکه های عصبی مصنوعی، مدلی هایی جهت پیش بینی سود هر سهم طراحی گردید. مدل ماشین بردار پشتیبان توانست سود هر سهم سال آتی شرکت های نمونه را با میزان خطای مطلوب 5 درصد پیش بینی کند. این مدل سود هر سهم سال جاری را با ضریب تاثیر 25 درصد به عنوان موثرترین متغیر برای پیش بینی سود هر سهم آتی معرفی می کند. همچنین نتایج نشان میدهد که مدل ماشین بردار پشتیبان در مقایسه با مدل شبکه های عصبی مصنوعی عملکرد مشابهی دارد.

Keywords:

سود هر سهم , ماشین بردار پشتیبانی شبکه های عصبی مصنوعی , پیش بینی , شرکت های پذیرفته شده در بورس اوراق بهادار تهران