ارائه یک مدل شبکه عصبی برای پیشبینی سود شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و مقایسه دقت آن با مدلهایHDZ و ARIMA
محورهای موضوعی : حسابداری مدیریت
مسعود اسدی
1
(گروه مدیریت، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران)
سیدمظفر میربرگ کار
2
(گروه مدیریت، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران (نویسنده مسئول))
ابراهیم چیرانی
3
(گروه مدیریت، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران.)
کلید واژه: پیشبینی سود, الگوی خود رگرسیون میانگین متحر, بورس اوراق بهادار, شبکه عصبی مصنوعی,
چکیده مقاله :
پیشبینی سود معیار بااهمیتی برای شرکتها به شمار رفته و شرکتهای پذیرفته شده در بورس اوراق بهادار تهران باید دقت بالایی در پیشبینی سود خود داشته باشند. این پژوهش با هدف ارائه یک مدل شبکه عصبی برای پیشبینی سود شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و مقایسه دقت آن با مدلهای ARIMA، HDZ به اجرا درآمده است. روش پژوهش از نظر هدف یک تحقیق کاربردی، از نظر منطق اجراء یک تحقیق استقرایی و از نظر ماهیت داده یک تحقیق کمی میباشد. به منظور گردآوری داده ها از صورتهای مالی اساسی شرکت ها در بازه زمانی 1398-1393 استفاده شد. در این مطالعه از روش شبکه عصبی به منظور پیشبینی سود شرکت ها استفاده شده و دو مدل ARIMA و HDZ مورد ارزیابی قرار گرفت. نتایج حاصل از پژوهش بیان میکند که میزان همگرایی دادهها و میزان رگرسیون در فاز اول و در روش HDZ برابر با 79087/ 0، و در روش ARIMA برابر با 79184/0 و در روش شبکه عصبی مصنوعی برابر با.79464/0 میباشد که میزان بیشتری از همگرایی و ضریب رگرسیون رو به خود اختصاص داده است. بر مبنای نتایج حاصله میتوان دریافت که شبکه عصبی طراحی شده توانایی پیش بینی روند قیمت سهام با استفاده از شاخصهای کل و صنعت را دارا میباشد و این امر علاوه بر تأیید دیگری بر توانایی شبکه عصبی در پیش بینی حوزههای مالی، سود آوری استراتژی پیش بینی قیمت در بورس تهران را نیز تأیید میکند.
Profit forecasting is an important criterion for companies and companies listed on the Tehran Stock Exchange must be very careful in forecasting their profits. This study aims to provide a neural network model to predict the profits of companies listed on the Tehran Stock Exchange and compare its accuracy with ARIMA and HDZ models. The research method is an applied research in terms of purpose, an inductive research in terms of logic and a quantitative research in terms of data nature. In order to collect data, the basic financial statements of companies in the period 1398-1393 were used. In this study, neural network method was used to predict corporate profits and two models, ARIMA and HDZ, were evaluated. The results show that the rate of data convergence and regression in the first phase and in the HDZ method equal to 0.79087, in the second phase, in the ARIMA method, it is equal to 0.79184, and in the artificial neural network method, it is equal to 0.79464, which has a higher degree of convergence and regression coefficient. Based on the results, it can be seen that the designed neural network has the ability to predict stock price trends using general and industry indicators, and this, in addition to confirming the neural network's ability to predict financial areas and profitability it also confirms strategy of the price forecast on the Tehran Stock Exchange.
_||_