پيش بيني سود هر سهم (EPS) با استفاده از شبکه هاي عصبي پرسپترون چند لايه (MLP) و توابع شعاعي بنيادين(RBF) در شرکت هاي پذيرفته شده د

bahareh s

عضو جدید
کاربر ممتاز
چکيده: سود هر سهم يکي از فاکتورهاي مالي بسيار مهم است که مورد توجه مديران، سرمايه گذاران و تحليل گران مالي مي باشد و اغلب براي تصميم گيري در خصوص سرمايه گذاري، ارزيابي سودآوري و ريسک مرتبط با سود و نيز قضاوت در خصوص قيمت سهام استفاده مي شود، از اين رو پيش بيني آن براي مديران و ذينفعان حائز اهميت اساسي است. هدف اين تحقيق ارائه­ي مدلي به منظور پيش بيني سود هر سهم با استفاده از شبکه­ عصبي پرسپترون چند لايه(MLP) و شبكه­ي عصبي توابع شعاعي بنيادين(RBF) و تعيين مدل برتر با استفاده از معيار هاي ارزيابي عملکرد است. بدين منظور، شرکت هاي عضو بورس اوراق بهادار تهران به عنوان جامعه آماري تحقيق در نظر گرفته شدند و 630 سال-شرکت در قالب 24 صنعت فعال بورس در محدوده­ي زماني 1388-1382 به عنوان نمونه­ي تحقيق انتخاب شدند. نتايج تحقيق نشان مي دهد که شبکه­ي MLP خطاي پيش بيني کمتري نسبت به شبکه­ي RBF دارد و همبستگي بين داده هاي واقعي و داده هاي پيش بيني شده­ توسط اين شبکه نيز از RBF بيشتر است؛ در نتيجه دقت پيش بيني شبکه­يMLP بيشتر از شبکه­ي RBF است.



برچسب ها:
سود هر سهم
شبکه ي عصبي پرسپترون چندلايه
شبکه ي عصبي توابع شعاعي بنيادين
بورس و اوراق بهادار تهران


نویسندگان:
عبداله پاکدل
عباسعلی دريائی
حسین امینی
سيد محمد مشعشعی


نشریه:
تحقیقات حسابداری و حسابرسی


شماره نشریه:
21


فصل انتشار:
بهار


فایل PDF:
007.pdf


سال انتشار:
1393
 
بالا