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 |
id |
doaj-9d739d6c18a54e48a5c617a0d9ee1859 |
---|---|
record_format |
Article |
spelling |
doaj-9d739d6c18a54e48a5c617a0d9ee18592020-11-25T01:04:37Zfasپژوهشگاه حوزه و دانشگاهجستارهای اقتصادی1735-33002588-58122013-09-011020109134514مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهرانحجت حسینینسب0سلیم کریمی تکلو1مرضیه یوسفینژاد2عضو هیئت علمی گروه حسابداری دانشگاه ولیعصر رفسنجانعضو هیئت علمی گروه مدیریت دانشگاه ولیعصر رفسنجانکارشناس ارشد حسابداری دانشگاه ولیعصر رفسنجانسهامداران 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.http://iee.rihu.ac.ir/article_514_2681f6d87762529c06e15b91b36bd313.pdfسود هر سهمماشین بردار پشتیبانشبکههای عصبی مصنوعیپیشبینیشرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
collection |
DOAJ |
language |
fas |
format |
Article |
sources |
DOAJ |
author |
حجت حسینینسب سلیم کریمی تکلو مرضیه یوسفینژاد |
spellingShingle |
حجت حسینینسب سلیم کریمی تکلو مرضیه یوسفینژاد مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران جستارهای اقتصادی سود هر سهم ماشین بردار پشتیبان شبکههای عصبی مصنوعی پیشبینی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
author_facet |
حجت حسینینسب سلیم کریمی تکلو مرضیه یوسفینژاد |
author_sort |
حجت حسینینسب |
title |
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
title_short |
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
title_full |
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
title_fullStr |
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
title_full_unstemmed |
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
title_sort |
مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
publisher |
پژوهشگاه حوزه و دانشگاه |
series |
جستارهای اقتصادی |
issn |
1735-3300 2588-5812 |
publishDate |
2013-09-01 |
description |
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. |
topic |
سود هر سهم ماشین بردار پشتیبان شبکههای عصبی مصنوعی پیشبینی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران |
url |
http://iee.rihu.ac.ir/article_514_2681f6d87762529c06e15b91b36bd313.pdf |
work_keys_str_mv |
AT ḥjtḥsynynsb mqạyshdqtrwyḵrdhạymạsẖynbrdạrpsẖtybạnwsẖbḵhhạyʿṣbymṣnwʿydrpysẖbynyswdhrshmsẖrḵthạypdẖyrfthsẖdhdrbwrsạwrạqbhạdạrthrạn AT slymḵrymytḵlw mqạyshdqtrwyḵrdhạymạsẖynbrdạrpsẖtybạnwsẖbḵhhạyʿṣbymṣnwʿydrpysẖbynyswdhrshmsẖrḵthạypdẖyrfthsẖdhdrbwrsạwrạqbhạdạrthrạn AT mrḍyhywsfynzẖạd mqạyshdqtrwyḵrdhạymạsẖynbrdạrpsẖtybạnwsẖbḵhhạyʿṣbymṣnwʿydrpysẖbynyswdhrshmsẖrḵthạypdẖyrfthsẖdhdrbwrsạwrạqbhạdạrthrạn |
_version_ |
1725197029955600384 |