رتبه بندی میزان تاثیر اقلام کلیدی ترازنامه ای و نسبتهای سودآوری در انتخاب پرتفوی بهینه (با استفاده از تکنیک های داده کاوی)
محورهای موضوعی : حسابداری مالی و حسابرسیامیررضا کیقبادی 1 , سمیه فتحی 2 , سمیرا سیف 3
1 - استادیار گروه حسابداری دانشگاه آزاد اسلامی واحد تهران مرکزی
2 - کارشناس ارشد حسابداری مدرس دانشگاه پیام نور واحد بروجرد
3 - کارشناسی ارشد حسابداری دستیار علمی دانشگاه پیام نور نهاوند
کلید واژه: پرتفوی, داده کاوی, اقلام کلیدی ترازنامه ای, معیارهای سودآوری,
چکیده مقاله :
انتخاب پرتفوی بهینه، یکی از موضوعات مهم در ادبیات مالی محسوب میشود که هدفهای حداکثر کردن بازده آتی و حداقل نمودن ریسک سرمایهگذاری را به همراه دارد.اساساً سرمایه گذاران برای انتخاب پرتفوی بهینه وکارا شرکت هایی را انتخاب می کنند که جزء شرکت های برتر بورس باشند و همچنین شرکت های که در رده های بالای این رتبه بندی قراردارند. رتبهبندی میتواند برحسب معیارهای مختلفی انجام گیرد. یکی از سودمندترین رتبهبندی ها،می تواند استفاده از نسبت های سودآوری واقلام کلیدی ترازنامه ای باشد. دراین تحقیق نسبت های سودآوری و اقلام کلیدی ترازنامه ای 150شرکت برتر بورس طی 3 سال استخراج شده است و درهرسال50 شرکت با توجه نسبت های مالی بالاتر به دو دسته موفق و برتر تقسیم بندی شده اند. سپس با استفاده از 4 مدل مبتنی بر تکنیک داده کاوی و همچنین توان یادگیری هریک از مدل ها به بررسی ترتیب اهمیت این اقلام و نسبت ها جهت انتخاب پرتفوی بهینه پرداخته شده است. نتایج حاکی از آن است که اقلام کلیدی ترازنامه ای و نسبت های سودآوری هر دو برای ارائه پرتفوی حائز اهمیت بوده اما ارجحیت تاثیر گذاری آنان در هر مدل ترتیبی متفاوت است ؛ اما برخی از این اقلام مانند جمع کل داراییها، درصد سود به درآمد ، درصد سود عملیاتی به درآمد و نسبت قیمت به سود هر سهم (P/E) در تمام مدل ها به عنوان یک فصل مشترک از ارجحیت بالاتری برخوردارند که می تواند به عنوان مبنایی مناسب مورد توجه سرمایه گذاران قرار گیرد
فهرست منابع
1) پورزندی، محمدابراهیم و هدایتاله منصوری، (1379)، "نقش گزارشگری مالی در بازار سرمایه"، حسابدار، شماره 138.
2) تقوی فرد ، محمدتقی، طاها منصوری ، سیدمحمدرضا ناصرزاده و علیرضا فراست ، (1386)، "داده کاوی و کاربرد آن در تصمیمگیریها". دانش مدیریت، سال بیستم، شماره 79.
3) جمالی ، علی، نرگس متقی نیا ، سمیه فتحی و سمیرا سیف (1391)، " ارائه پرتفوی مبتنی بر شاخص های سودآوری ونقدینگی باروش DIA"، کنفرانس ملی حسابداری, مدیریت مالی وسرمایه گذاری 26 بهمن، 1391،گرگان.
4) جهانخانی، علی و علی پارسائیان، (1376)، "مدیریت سرمایهگذاری و ارزیابی اوراق بهادار"، تهران، انتشارات دانشکده مدیریت دانشگاه تهران.
5) راعی، رضا. (1377)، "طراحی مدل سرمایهگذاری مناسب در سبد سهام با استفاده از شبکههای عصبی مصنوعی"، رساله دکتری، دانشکده مدیریت دانشگاه تهران.
6) کیقبادی، امیررضا و وحید خدامی ، (1392)، " داده کاوی صورت های مالی جهت اعطای تسهیلات مالی" ، فصلنامه پژوهش های حسابداری مالی وحسابرسی، شماره17.
7) Abd Rahman, Mohd Shaari, (2008), "Utilization of Data Mining Technology within the Accounting Information System in the Public Sector: A Coutry Study- Malaysia Degree of Philosophy, University of Tasmania.
8) Dashtbayaz, M. L. et al., (2015)," Data Search and Discovery Process for Financial Statement Fraud", Research Journal of Finance and Accounting, Vol.6, No.3,PP. 75-80.
9) G.L. Gray, R.S. Debreceny,(2014), A Taxonomy to Guide Research on the Application of Data mining to Fraud Detection in Financial Statement, Audits International Journal of Accounting Information Systems, Vol. 15, Iss. 4, December, PP. 357–380
10) Kirkos, S., & Manolopoulos, Y., (2004), "Data Mining in Finance and Accounting: A Review of Current Research Trends". In Proceedings of The 1st International Conference on Enterprise Systems and Accounting (ICESAcc), Thessaloniki, Greece, PP. 63–78.
11) Larose, D. T., (2005), "Discovering Knowledge in Data, John Wiley".
12) M.M. Nasrizar,(2014)," Application of Data Mining Techniques to Detect and Predict Accounting Fraud: A Comparison of Neural Networks and Discriminant Analysis, Advances in Economics and Business Management (AEBM), Vol. 1, No. 3; November, PP. 226-228.
13) Moorthi M., Nagarathna B.,(2015)," A Review on Data Mining and its Techniques in Finance Sector", International Journal of Advance Research in Computer Science and Management Studies ,Vol. 3, Iss. 3, March, PP. 29-37
14) Sowjanya et al., (2013), " Application of Data Mining Techniques for Financial Accounting Fraud Detection Scheme", International Journal of Advanced Research in Computer Science and Software Engineering 3(11), November, PP. 717–724.
15) Tofallis, C., (1994), "Input Efficiency Profiling: An Application to Airlines", Computer Ops Res. Vol. 24, No. 3, PP. 253-258.