توانایی مدل های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش‌بینی سود هر سهمسهم

اقتصاد پولی مالی

مقاله 8، دوره 23، شماره 12، زمستان 1395، صفحه 161-188  

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/pm.v23i12.41329

نویسندگان

محمد رسول چوپانی ¹؛ فرزانه نصیرزاده²؛ مهدی صالحی³

¹دانشگاه فردوسی مشهد- رهیافت

²دانشگاه فردوسی مشهد

³فردوسی مشهد

چکیده

پیش بینی سود حسابداری و تغییرات آن به جهت استفاده در مدل‌های ارزیابی سهام، توان پرداخت، ریسک، عملکرد واحد اقتصادی و مباشرت مدیریت از دیرباز مورد علاقه سرمایه گذاران، مدیران، تحلیلگران مالی و اعتباردهندگان بوده است. سود هر سهم اغلب برای بررسی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می‌شود.
در این تحقیق عملکرد سه مدل تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش بینی سود هر سهم مورد ارزیابی قرار گرفته است. در این تحقیق از 9 متغیر مالی، 7 متغیر بنیادی و 4 متغیر کلان استفاده شده است. ابتدا متغیرهای مالی ،متغیرهای بنیادی و کلان اقتصادی به صورت جداگانه و سپس بطور همزمان وارد مدل ها شده اند تا توانایی آن ها در هر سه حالت مورد ارزیابی قرار گیرد. نتایج تحقیق نشان می دهد که مدل تخمینگر حداقل درجه در هر سه حالت فوق (متغیرهای مالی، متغیرهای بنیادی و کلان اقتصادی) عملکرد بهتری نسبت به سایر مدل ها داشته است.

کلیدواژه‌ها

بورس اوراق بهادار تهران؛ پیش بینی سود هر سهم؛ تخمینگر بردار پشتیبان؛ تخمینگر حداقل درجه؛ شبکه عصبی فازی