پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 8 |
| تعداد شماره‌ها | 289 |
| تعداد مقالات | 2,172 |
| تعداد مشاهده مقاله | 4,607,664 |
| تعداد دریافت فایل اصل مقاله | 3,230,769 |
انتخاب مولفه‌های تاثیرگذار بر پیش بینی سود آتی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل ترکیبی شبکه ی عصبی و الگوریتم ژنتیک | ||
| جستارهای اقتصادی با رویکرد اسلامی | ||
| مقاله 7، دوره 5، شماره 10، مهر 1388، صفحه 163-201 اصل مقاله (1.07 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| نویسندگان | ||
| پیام مکوندی1؛ جواد جعفر علی جاسبی2؛ سید حسن علوی3 | ||
| 1عضو هیئت علمی دانشگاه آزاد اسلامی (واحد کرج) | ||
| 2دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات | ||
| 3عضو هیئت علمی دانشگاه آزاد اسلامی (واحد تهران جنوب) | ||
| چکیده | ||
| تصمیم گیری همواره، یکی از مهم ترین وظایف مدیر بوده، در این بین، پیش بینی نتایج ورودی به سیستم و در حقیقت، نتایج شقوق مختلف تصمیم، جزءِ دغذغه های اصلی فرایندهای بهینه سازی تصمیم بوده است. از سوی دیگر، شناسایی عواملی که بر خروجی تصمیم یا نتیجه ی پیش بینی تاثیرگذارند اهمیت دارند؛ چرا که با شناسایی این عوامل می توان مدل مناسبی برای پیش بینی تدوین و سپس، کسب نتیجه از آن اقدام نمود. یکی از عوامل مهم برای تصمیم گیری سرمایه گذاران در مورد با خرید و فروش سهام یک شرکت، پیش بینی سود نقدی سهام بوده، در این مورد می توان از صورت های مالی در جایگاه ابزاری برای این پیش بینی استفاده نمود؛ بدین ترتیب که نسبت هایی را از صورت های مالی استخراج نموده، بر اساس آنها، مدلی برای پیش بینی سود آتی سهام توسعه داد و در نهایت تصمیم گرفت. در این مقاله سعی شده با استفاده از الگوریتم ژنتیک و تلفیق آن با شبکه ی عصبی مصنوعی ، عوامل موثر بر پیش بینی سود آتی سهام (شامل نسبت های استخراج شده از صورت های مالی) شناسایی شده، در نهایت، این متغیرهای موثر بر خروجی، در مدلی که به مدد شبکه ی عصبی طراحی و برای پیش بینی سود آتی سهام به کار گرفته شوند. برای موردکاوی، به پیش بینی سود نقدی سهام 194 شرکت پذیرفته شده، در بورس توجه شده و 24 متغیر موجود در صورت های مالی که بر اساس نظر خبرگان در تغییرات سود نقدی سهام دخالت دارند، به مدل وارد شده اند. در نهایت، مدل ترکیبی با توجه به دینامیسم موجود بین متغیرهای ورودی، ده متغیر را به عنوان ترکیب بهینه ی متغیرهای تاثیرگذار انتخاب نموده که در مرحله ی دوم، به یک شبکه ی عصبی که برای پیش بینی طراحی شده، وارد شده اند و خطای حاصل از پیش بینی مبنای مقایسه با دیگر روش ها قرار گرفته است. | ||
| کلیدواژه‌ها | ||
| مولفه های موثر؛ الگوریتم ژنتیک؛ شبکه های عصبی؛ پیش بینی؛ انتخاب مولفه؛ سود آتی سهام؛ نسبت های مالی؛ بورس | ||
|
آمار تعداد مشاهده مقاله: 3,540 تعداد دریافت فایل اصل مقاله: 1,704 |
||