هدف این تحقیق بررسی پیامدهای توانایی مدیریت شرکت ها بر ارزش آفرینی در صنایع شیمیایی و مواد غذایی در دوره زمانی 1390-1394 با بکارگیری شبکه های عصبی مصنوعی است. ابتدا با اجرای مدل DEA با یک الگوی بومی شده، کارایی نسبی برای هر شرکت مشخص شده و با برآورد یک مدل رگرسیونی، شاخص توانایی مدیریت هر شرکت نیز تعیین شده است. سپس ارزش آفرینی شرکت ها از متوسط حاصل عواملی مانند بازده صاحبان سهام، نسبت Q توبین، بازده سرمایه گذاری ها و خلق ثروت برای سهامداران اندازه گیری شد. مدل شبکه عصبی بکار گرفته شده در این تحقیق، پرسپترون چندلایه ای با الگوی آموزش پس انتشار خطا بوده است. برای ارزیابی کارایی نسبی از نرم افزار بهینه سازی GAMS، جهت سنجش شاخص توانایی مدیریت از E-Views و برای آموزش و ارزیابی مدل شبکه عصبی از نرم افزار MATLAB بهره گرفته شده است. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی در صنعت مواد غذایی بهتر از صنعت شیمیایی، ارزش آفرینی شرکت ها را از روی شاخص توانایی مدیریت و دیگر متغیرهای ورودی برآورد می کند. از دیگر نتایج تحقیق اینکه، امتیاز توانایی مدیریت در هر دو صنعت برابر بوده اما متوسط امتیاز ارزش آفرینی شرکت ها در صنعت مواد غذایی بیشتر از صنعت شیمیایی بوده است. تفاصيل المقالة

هدف اصلی از این پژوهش این است که مدلی را برای پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد و ویژه اقتصادی ارائه دهیم. برای تجزیه و تحلیل داده های این تحقیق از روش آمار توصیفی و امار استنباطی و از نرم افزارهایexpert choice، MATLAB و SPSS و PLS استفاده شده است و با استفاده از مبانی نظری و بصورت کتابخانه ای شش عامل موثر و متغیرهای پیش بینی کننده موفقیت یا شکست طرح های سرمایه گذاری در مناطق آزاد و ویژه اقتصادی کشور شناسایی و بعد از توصیف متغیرها و آزمون نرمال بودن، با استفاده از نرم افزار PLS تحلیل عاملی تاییدی متغیرها صورت گرفت که همگی عوامل از تحلیل عاملی تاییدی مناسبی برخوردار هستند. سپس با استفاده از رگرسیون خطی و آزمون آنالیز واریانس تاثیر هر یک از عوامل بر موفقیت یا شکست طرح های سرمایه گذاری بررسی گردید که نتایج این آزمون نشان دهنده تایید تاثیر هر یک از عوامل بوده است و با استفاده از تحلیل سلسله این عوامل رتبه بندی شدند، که با توجه به این اولویت بندی، شبکه عصبی مورد استفاده شده در این تحقیق نیز، شامل داده های 6متغیر به عنوان متغیر ورودی می باشد، با دو لایه میانی با تعداد 30 گره در لایه اولو سه گره در لایه دوم می باشد. که دارای یه خروجی است.که نتایج نشان دهنده این بود که مدل شبکه عصبی طراحی شده قدرت پیش بینی موفقیت طرح های سرمایه گذاری را دارد. تفاصيل المقالة

این تحقیق با هدف بررسی تاثیر کارایی نسبی شرکت ها بر ارزش آفرینی راهبردی در صنعت خودروی پذیرفته‌شده در بورس اوراق بهادار تهران انجام شده است. داده ها از صورت های مالی شرکت های انتخابی در دوره زمانی 1391-1395 استخراج شده است. ابتدا با اجرای مدل تحلیل پوششی داده ها با یک الگوی بومی شده، کارایی نسبی برای هر شرکت مشخص شد. سپس ارزش آفرینی راهبردی شرکت ها از متوسط حاصل عواملی مانند بازده حقوق صاحبان سهام، نسبت Q توبین، بازده سرمایه گذاری ها و خلق ثروت برای سهامداران اندازه گیری شد. مدل شبکه عصبی به‌کار گرفته شده در این تحقیق، پرسپترون چندلایه‌ای با الگوی آموزش پس انتشار خطا بوده است. نتایج نشان می دهد که اجرای مدل شبکه عصبی مصنوعی در صنعت خودرو، ارزش آفرینی راهبردی شرکت ها را از روی شاخص کارایی نسبی و دیگر متغیرهای ورودی تا حد مناسبی تبیین می کند. با وجود اینکه برخی از شرکت ها مثل سرمایه گذاری رنا، فنرسازی خاور، سایپا دیزل، گروه بهمن و چرخشگر کارا هستند، اما در سال های اخیر به‌طور متوسط صنعت خودرو از کارایی مناسبی برخوردار نبوده است. در عین‌ حال شرکت ها در این صنعت تا حدودی توانسته‌اند برای سهامداران و مالکان خود به‌صورت راهبردی ایجاد ارزش نمایند تفاصيل المقالة