این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جستارهای اقتصادی، جلد ۱۰، شماره ۲۰، صفحات ۱۰۹-۱۳۴
عنوان فارسی مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکه‌های عصبی مصنوعی در پیش‌بینی سود هر سهم شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparing the precision of approaches of support vector machine and artificial neural networks to predict the benefits per share of listed companies in Tehran Stock Exchange
چکیده انگلیسی مقاله Stockholders for making proper investment decisions need information which assists them in making the best decision. Among available information, Information related to the per share forecasted earnings is the important ones in the user’s opinions. Beside, companies try to forecast the earnings per share with maximum accuracy to attract investors. Accordingly, the present study seeks to provide a model to improve earnings per share forecast of companies listed in Tehran Stock Exchange (TSE) using modern artificial neural networks approaches. For this purpose, first the factors affecting future earnings per share were inferred from internal and external research, then using the sample companies' financial information in the years 2005-2012 and employing support vector machines and artificial neural networks methods, earnings per share forecasting was designed. Support vector machines model was able to forecast the sample companies’ next year’s earnings per share with an adequate error of 5%. This model introduces current year’s earnings per share with effective coefficient of 25% as most effective variable to forecast next year’s earnings per share. The results suggested that the support vector machines model has similar performance in comparison with artificial neural networks model.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حجت حسینی نسب |
عضو هیئت علمی گروه حسابداری دانشگاه ولی عصر رفسنجان
سازمان اصلی تایید شده: دانشگاه ولی عصر رفسنجان (Valiasr university)

سلیم کریمی تکلو | karimi takalo
عضو هیئت علمی گروه مدیریت دانشگاه ولی عصر رفسنجان
سازمان اصلی تایید شده: دانشگاه ولی عصر رفسنجان (Valiasr university)

مرضیه یوسفی نژاد |
کارشناس ارشد حسابداری دانشگاه ولی عصر رفسنجان
سازمان اصلی تایید شده: دانشگاه ولی عصر رفسنجان (Valiasr university)

نشانی اینترنتی http://iee.rihu.ac.ir/article_514_114.html
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات