پیش بینی eps شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی - فازی
Abstract(in Persian; no English abstract is available)
پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیر باز مورد علاقه سرمایه گذاران ، مدیران ، تحلیل گران مالی ، محققین و اعتبار دهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام ، کمک به کارکرد کارای بازار سرمایه ( ارتباط مفروض بین تغییرات سود و تغییرات قیمت سهام )، ارزیابی توان پرداخت ( سود سهام، بهره و سایر تعهدات )، ارزیابی ریسک، ارزیابی عملکرد واحد اقتصادی و مباشرت مدیریت و استفاده از پیش بینی های سود در تحقیقات اقتصادی، مالی و حسابداری می باشد. هدف این تحقیق مدل سازی پیش بینی سود هر سهم با استفاده از شبکه عصبی – فازی و شبکه عصبی درک چند لایه(mlp) و gmdh و تعیین مدل برتر با استفاده از چهار معیار ارزیابی عملکرد است. بدین منظور، شرکت های پذیرفته شده در بورس و اوراق بهادار تهران به عنوان جامعه آماری تحقیق در نظر گرفته شدند و نمونه انتخابی در این تحقیق،500 سال/شرکت در قالب 24 صنعت فعال بورس در دوره زمانی مربوطه به صورت تصادفی و روش نمونه گیری خوشه ای انتخاب شدند. نتایج تحقیق بیانگر برتری شبکه عصبی –فازی در تمامی چهار معیار ارزیابی نسبت به شبکه عصبی mlp و gmdh می باشد که نشان از توانایی بالای این شبکه در شناخت الگوهای حاکم بر داده ها نسبت به دو شبکه دیگر می باشد. در نتیجه دقت پیش بینی شبکه عصبی – فازی بیشتر از شبکه ی mlp و gmdh است و برای پیش بینی سود هر سهم مناسب می باشد.