Stock market forecasting is a challenging task for investors and researchers in the financial market due to highly noisy, nonparametric, volatile, complex, non-linear, dynamic and chaotic nature of stock price time series. With the development of computationally intelligent method, it is possible to predict stock price time series more accurately. Artificial neural networks (ANNs) are one of the most promising biologically inspired techniques. ANNs have been widely used to make predictions in various research. The performance of ANNs is very dependent on the learning technique utilized to train the weight and bias vectors. The proposed study aims to predict daily Tehran Exchange Dividend Price Index (TEDPIX) via the hybrid multilayer perceptron (MLP) neural networks and metaheuristic algorithms which consist of genetic algorithm (GA), particle swarm optimization (PSO), black hole (BH), grasshopper optimization algorithm (GOA) and grey wolf optimization (GWO). We have extracted 18 technical indicators based on the daily TEDPIX as input parameters. Therefore, the experimental result shows that grey wolf optimization has superior performance to train MLPs for predicting the stock market in metaheuristic-based. پرونده مقاله

There is little consensus on the corporate diversification-efficiency relationship in the diversification literature. According to the corporate diversification, firms have a tendency to get more market share with diversifying in the local segment or in the international market. Theoretically, a contradictory exists between the profitable strategy and the value reducing strategy in the diversification strategy. In this paper, we measure firm’s efficiency by applying Data Envelopment Analysis (DEA) in manufacturing firms listed in Bursa Malaysia for five years. Meanwhile, a feed forward multilayer perceptron neural network is applied to model the mapping function between the input and output data to the efficiency score. Back propagation (BP) learning algorithm is applied to update network’s weights through minimizing the cost function, and the best topology of the network is conducted. The result of this study shows that there is a negative relationship between total product diversification and efficiency, and international diversification has a non-linear effect on the efficiency. پرونده مقاله

نتایج پژوهش‌های انجام شده در حوزه تأمین مالی بر اساس رویکرد رفتاری، حاکی از آن است که ممکن است سرمایه گذاران، غیر منطقی باشند؛ در نتیجه، سوگیری شناختی یا عوامل روانی سرمایه گذاران، می تواند بر روی تصمیمات آنان، تأثیرگذار باشد. بنابراین، نوسان قیمت سهام، نه تنها به ارزش ذاتی نشان داده شده توسط اطلاعات حسابداری وابسته است، بلکه بر رفتار غیر منطقی سرمایه گذاران نیز متکی می باشد، که می تواند با تمایلات سرمایه گذار، سنجیده شود. از این رو با توجه به اهمیت این حوزه پژوهش حاضر به ارائه مدل تمایلات سرمایه‌گذاران با تأکید بر عوامل روانشناختی با روش دلفی فازی و دیمتل می‌پردازد. این پژوهش از نوع پژوهش‌های داده بنیاد می‌باشد. همچنین این پژوهش از نوع پژوهش‌های آمیخته می‌باشد که در آن از دو رویکرد مورد استفاده در علوم رفتاری یعنی کمی (دیمتل) و کیفی (دلفی فازی) استفاده می‌شود. بر اساس نتایج به دست آمده می‌توان بیان نمود که تعلق خاطر، ابهام گریزی، خود استنادی، اطمینان بیش از حد، محافظه کاری، حسابداری ذهنی، توهم کنترل، پشیمان گریزی، بهینه بینی، داشته بیش نگری، بدبینی، رفتار گله‌ای، کوتاه نگری و واکنش افراطی از جمله عوامل تاثیرگذار تمایلات سرمایه گذاران با تأکید بر عوامل روانشناختی می‌باشند که به عنوان مدل نهایی تمایلات روانشناختی سرمایه گذاران در بورس اوراق بهادار شناخته شده‌اند. پرونده مقاله