%0 Journal Article %T پیش بینی سود هر سهم(EPS) با استفاده از شبکه های عصبی پرسپترون چند لایه(MLP) و توابع شعاعی بنیادین(RBF) در شرکت های پذیرفته شده در بورس اوراق بهادار تهران %J تحقیقات حسابداری و حسابرسی %I انجمن حسابداری ایران مدیر مسئول و سردبیر: دکتر علی ثقفی مدیریت مجله و دبیرکل انجمن: ناصر پرتوی همکار اجرایی: مریم اصغرزاده بدر %Z 2251-8428 %A پاکدل, عبداله %A دریائی, عباسعلی %A امینی, حسین %A مشعشعی, سید محمد %D 2014 %\ 03/21/2014 %V 6 %N 21 %P 100-115 %! پیش بینی سود هر سهم(EPS) با استفاده از شبکه های عصبی پرسپترون چند لایه(MLP) و توابع شعاعی بنیادین(RBF) در شرکت های پذیرفته شده در بورس اوراق بهادار تهران %K سود هر سهم %K شبکه‌ی عصبی پرسپترون چندلایه %K شبکه‌ی عصبی توابع شعاعی بنیادین %K بورس و اوراق بهادار تهران %R 10.22034/iaar.2014.104401 %X سود هر سهم یکی از فاکتورهای مالی بسیار مهم است که مورد توجه مدیران، سرمایه گذاران و تحلیل گران  مالی می باشد و اغلب برای تصمیم گیری در خصوص سرمایه گذاری، ارزیابی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود، از این رو پیش بینی آن برای مدیران و ذینفعان حائز اهمیت اساسی است. هدف این تحقیق ارائه­ی مدلی به منظور پیش بینی سود هر سهم  با استفاده از شبکه­ عصبی پرسپترون چند لایه(MLP) و شبکه­ی  عصبی توابع شعاعی بنیادین(RBF) و تعیین مدل برتر با استفاده از معیار های ارزیابی عملکرد است. بدین منظور، شرکت های عضو بورس اوراق بهادار تهران به عنوان جامعه آماری تحقیق در نظر گرفته شدند و 630 سال-شرکت در قالب 24 صنعت فعال بورس در محدوده­ی زمانی 1388-1382 به عنوان نمونه­ی تحقیق انتخاب شدند. نتایج تحقیق نشان می دهد که شبکه­ی MLP خطای پیش بینی کمتری نسبت به شبکه­ی RBF دارد و همبستگی بین داده های واقعی و داده های پیش بینی شده­ توسط این شبکه نیز از RBF بیشتر است؛ در نتیجه دقت پیش بینی شبکه­یMLP بیشتر از شبکه­ی RBF است. %U https://www.iaaaar.com/article_104401_e265238768c55c3fec473a47bbf95078.pdf