پایان‌نامه

مدل سازی پیش بینی سود هر سهم با استفاده از شبکه های عصبی و الگوریتم ژنتیک

محمد مشعشعی

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 ارائه ی مدلی به منظور پیش بینی سود هر سهم با استفاده از شبکه عصبی درک چند لایه(mlp) و تکنیک استخراج قانون از شبکه های عصبی با استفاده از الگوریتم ژنتیک و تعیین مدل برتر با استفاده از معیار های 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 630 سال-شرکت در قالب 24 صنعت فعال بورس در محدوده ی زمانی 1388-1382 به عنوان نمونه ی تحقیق انتخاب شدند. نتایج تحقیق نشان می دهد که تکنیک استخراج قانون خطای پیش بینی کمتری نسبت به شبکه ی mlp دارد و همبستگی بین داده های واقعی و داده های پیش بینی شده توسط این شبکه نیز از شبکه ی mlp بیشتر است؛ در نتیجه دقت پیش بینی تکنیک استخراج قانون بیشتر از شبکه ی mlp است.

اساتید راهنما و مشاور

حسین اعتمادی، احمد احمدپور

شکل‌ها (۳)

  • شکل، صفحه‌ی ۳
    صفحه‌ی ۳
  • شکل، صفحه‌ی ۴
    صفحه‌ی ۴
  • شکل، صفحه‌ی ۵
    صفحه‌ی ۵

شکل‌ها از متن کامل مقاله برداشته شده‌اند و حقوقشان از آنِ نویسندگان و ناشر است.

پایان‌نامه‌های مشابه

اسناد مشابه

  • مدل سازی پیش بینی eps با استفاده از شبکه های عصبی - فازی

    مقاله۲۰۱۴پژوهشهای حسابداری مالی وحسابرسیعلی اصغر انواری رستمی، عادل آذر، محمد نوروزی

    پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصا

  • پیش بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

    مقالهعلوم تغذیه و صنایع غذایی ایرانهاجر عباسی، h abbasi department of food science and technology, khorasgan (isfahan) branch, islamic azad university, isfahan, iran.گروه علوم و صنایع غذایی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران محمدامین محمدی فر، ma mohammadifar department of food science and technology, faculty of agriculture and natural 3department of food science and technology, faculty of nutrition sciences, food science and technology / national nutrition and food technology research institute, shahid beheshگروه آموزش علوم و صنایع غذایی، انستیتو تحقیقات تغذیه و صنایع غذایی، دانشکده تغذیه و صنایع غذایی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

    سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از ا

  • ترکیب شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش‌بینی سود هر سهم

    مقاله۲۰۱۷دانش حسابداریدکتر محمد عرب مازار یزدی، سجاد نقدی

    پیش‌بینی سود هر سهم از اهمیت فراوانی برای سرمایه‌گذاران و مدیران داخلی شرکت‌ها برخوردار است. بررسی پژوهش‌های قبلی حاکی از این بوده است که در اکثر آن‌ها، به فرضیه وجود رابطه غیرخطی میان سود وعوامل تعیین‌کننده آن توجه نشده است. این در حالی است برخی از پژوهشگران نشان داده‌اند که راب

  • مدل سازی شرایط استخراج ترکیبات آنتی اکسیدانی گیاه چای کوهی با روش پاسخ سطح، شبکه عصبی مصنوعی و هیبرید شبکه عصبی- الگوریتم ژنتیک

    مقاله۲۰۲۲علوم و صنایع غذایی ایرانمحمد هادی موحدنژاد، احمد رجایی، سروش رحیمی خویگانی

    اکسیداسیون چربی ها یکی از مهمترین دلایل کاهش کیفیت روغن ها و چربی ها می باشد که لزوم استفاده از آنتی اکسیدان‌ها را به عنوان یک افزودنی در مواد غذایی مطرح می‌نماید. گیاه چای کوهی با نام علمی Stachys Lavandulifolia گیاهی دارویی با خواص آنتی اکسیدانی است. با توجه به اینکه تاثیر فناو

  • بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

    مقالهمدلسازی در مهندسیحسین امیرآبادی، amirabadi جواد عاشوری، ashori فرشید جعفریان، jafarian

    در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساین

  • بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

    مقاله۲۰۱۰مدلسازی در مهندسیجواد عاشوری، حسین امیرآبادی، فرشید جعفریان

    در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل‌سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، ‌نرخ ریزش ذرات سای