مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکه‌های عصبی مصنوعی در پیشبینی سود هر سهم شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران
سهامداران جهت گرفتن تصمیم‌های سرمایه‌گذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیشبینی شده هر سهم از نظر استفاده‌کنندگان با اهمیت تلقی می‌شود. از طرفی شرکت‌ها برای جذب سرمایه‌گذاران سعی می‌کنند سود هر سهم را با بیشتر...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
پژوهشگاه حوزه و دانشگاه
2013-09-01
|
| Series: | جستارهای اقتصادی |
| Subjects: | |
| Online Access: | http://iee.rihu.ac.ir/article_514_2681f6d87762529c06e15b91b36bd313.pdf |
| Summary: | سهامداران جهت گرفتن تصمیم‌های سرمایه‌گذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیشبینی شده هر سهم از نظر استفاده‌کنندگان با اهمیت تلقی می‌شود. از طرفی شرکت‌ها برای جذب سرمایه‌گذاران سعی می‌کنند سود هر سهم را با بیشترین دقت پیشبینی کنند. بنابراین، مقاله حاضر به دنبال ارائه مدلی جهت بهبود پیشبینی سود هر سهم شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکردهای نوین هوش مصنوعی است. برای این منظور ابتدا عوامل مؤثر بر سود هر سهم سال آتی از پژوهش‌های داخلی و خارجی استخراج شد، سپس با استفاده از اطلاعات مالی شرکت‌های نمونه در بازه زمانی سال‌های 1384 تا 1391 و به‌کارگیری روش ماشین بردار پشتیبان و شبکه‌های عصبی مصنوعی، مدلی‌هایی جهت پیشبینی سود هر سهم طراحی گردید. مدل ماشین بردار پشتیبان توانست سود هر سهم سال آتی شرکت‌های نمونه را با میزان خطای مطلوب 5 درصد پیشبینی کند. این مدل سود هر سهم سال جاری را با ضریب تأثیر 25 درصد به‌عنوان مؤثرترین متغیر برای پیشبینی سود هر سهم آتی معرفی میکند. همچنین نتایج نشان می‌دهد که مدل ماشین بردار پشتیبان در مقایسه با مدل شبکه‌های عصبی مصنوعی عملکرد مشابهی دارد. |
|---|---|
| ISSN: | 1735-3300 2588-5812 |