پیش بینی بازده سهام با استفاده از متغیرهای حسابداری با رویکرد رگرسیون خطی و شبکه های عصبی

تحقیق حاضر به پیش بینی بازده سهام در بورس اوراق بهادار تهران با دو مدل رگرسیون خطی و شبکه های عصبی مصنوعی با استفاده از متغیرهای حسابداری می پردازد. برای آزمون از اطلاعات 140 شرکت در دوره 1384-1389 استفاده شده است. در این تحقیق، برای بررسی رابطه خطی و ارزیابی میزان سودمندی روش های خطی از مدل رگرسیون تلفیقی با روش حداقل مربعات معمولی وهمچنین برای بررسی رابطه غیرخطی و ارزیابی سودمندی رابطه غیرخطی از مدل شبکه عصبی بر مبنای معماری پرسپترون چند لایه (MLP) با الگوریتم پس انتشار خطا، استفاده شده است. برای ارزیابی نتایج دو مدل از معیارهای ضریب تعیین، مربع میانگین خطای استاندارد، مربع مجذور میانگین خطا، مربع میانگین خطای استاندارد نرمال شده و میانگین قدر مطلق خطا استفاده شد. نتایج تحقیق حاکی از موفقیت این دو مدل در پیش بینی رفتار بازده سهام مورد نظر و برتری مدل شبکه های عصبی مصنوعی بر مدل رگرسیون است. به باین دیگر، پیش بینی بازده سهام با استفاده از متغیرهای حسابداری با رویکرد شبکه عصبی می تواند خطای پیش بینی را نسبت به روش خطی رگرسیون حداقل مربعات کاهش دهد.

Keywords:

شبکه های عصبی مصنوعی , رگرسیون خطی , بازده سهام , الگوی یادگیری پس انتشار خطا