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

پاکدل, عبداله; دریائی, عباسعلی; امینی, حسین; مشعشعی, سید محمد

doi:10.22034/iaar.2014.104401

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

نوع مقاله : مقاله پژوهشی

نویسندگان

عبداله پاکدل ¹

عباسعلی دریائی ²

حسین امینی ³

سید محمد مشعشعی ⁴

¹ گروه حسابداری دانشگاه آزاد اسلامی واحد اردبیل، اردبیل ایران

² دانشجوی دکتری حسابداری دانشگاه شیراز، شیراز ایران

³ کارشناس ارشد حسابداری و حسابدار رسمی

⁴ کارشناس ارشد حسابداری، دانشگاه تربیت مدرس، تهران ایران

10.22034/iaar.2014.104401

چکیده

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.

کلیدواژه‌ها

سود هر سهم

شبکه‌ی عصبی پرسپترون چندلایه

شبکه‌ی عصبی توابع شعاعی بنیادین

بورس و اوراق بهادار تهران