
تعداد نشریات | 26 |
تعداد شمارهها | 447 |
تعداد مقالات | 4,557 |
تعداد مشاهده مقاله | 5,380,003 |
تعداد دریافت فایل اصل مقاله | 3,580,074 |
ترکیب شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیشبینی سود هر سهم | ||
مجله دانش حسابداری | ||
مقاله 1، دوره 8، شماره 3 - شماره پیاپی 30، آذر 1396، صفحه 7-34 اصل مقاله (874.68 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22103/jak.2017.7086.2051 | ||
نویسندگان | ||
سجاد نقدی* 1؛ دکتر محمد عرب مازار یزدی2 | ||
1دانشجوی دکتری حسابداری، دانشگاه شهید بهشتی، تهران، ایران. | ||
2دانشیار حسابداری، دانشگاه شهید بهشتی، تهران، ایران. | ||
چکیده | ||
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 رابطه میان سود و عوامل تعیینکننده آن خطی نیست. به همین دلیل و همچنین نقش محوری سود هر سهم در تصمیمات سرمایهگذاران، با استفاده از مدلهای مختلف شبکه عصبی مصنوعی و مدلهای سری زمانی، سود هر سهم میاندورهای 126 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1389 تا 1395 بررسی و پیشبینی شده است. در ادامه و در گام بعدی برای تعیین متغیرهای ورودی مؤثر بر سود هر سهم از الگوریتم بهینهسازی ژنتیک و تجمع ذرات استفاده شده است. بهکارگیری روش ترکیبی شبکه عصبی مصنوعی، الگوریتم ژنتیک و الگوریتم تجمع ذرات میتواند علاوه بر استفاده از روشهای نوین برای پیشبینی سود هر سهم، سرمایهگذاران را نیز در تصمیمگیریهای آتی یاری رساند. نتایج نشان میدهد روش پیشنهادی قادر است تا متغیرهای ورودی مؤثر بر سود هر سهم را از میان تمام متغیرهای ورودی استخراج و توانایی و قدرت تعمیم شبکه عصبی مصنوعی را افزایش دهد. | ||
کلیدواژهها | ||
پیشبینی سود هر سهم؛ شبکه های عصبی؛ الگوریتم ژنتیک | ||
مراجع | ||
اعتمادی، حسین؛ آذر، عادل؛ بقائی، وحید. (1391). بهکارگیری شبکههای عصبی در پیشبینی سودآوری شرکتهای عضو بورس اوراق بهادار تهران. دانش حسابداری، 3(10)، 70-51. اعتمادی، حسین؛ انواری رستمی، علی اصغر؛ احمدیان، وحید. (1394). ارزیابی توان پیشبینی سود فصلی هر سهم با استفاده از الگوهای سری زمانی و شبکه پرسپترون چندلایه. مهندسی مالی و مدیریت اوراق بهادار، 6(23)، 38-21. انواری رستمی، علی اصغر؛ آذر، عادل؛ نوروزی، محمد. (1393). الگوسازی پیشبینی EPS با استفاده از شبکههای عصبی- فازی. پژوهشهای حسابداری مالی و حسابرسی، 6(23)، 15-1. پورحیدری، امید؛ اعظمی، زینب. (1389). شناسایی نوع اظهارنظر حسابرسان با استفاده از شبکههای عصبی. دانش حسابداری، 1(3)، 97-77. حقیقت منفرد، جلال؛ احمدی علی نژاد، محمود؛ متقالچی، سارا. (1391). مقایسۀ الگوهای شبکۀ عصبی با الگو سری زمانی باکس- جنکینز در پیشبینی شاخص کل قیمت سهام بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار، 3(11)، 16-1. دموری، داریوش؛ فرید، داریوش؛ اشهر، مرتضی. (1390). پیشبینی شاخص کل بورس اوراق بهادار تهران با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با الگوهای سنتی. دانش حسابداری، 2(5)، 30-7. عالم تبریز، اکبر؛ زندیه، مصطفی؛ محمدرحیمی، علیرضا. (1387). الگوریتمهای فرا ابتکاری در بهینهسازی ترکیبی (چاپ دوم). انتشارات صفار، تهران. عرب مازار یزدی، محمد؛ قاسمی، مهسا. (1388). قیمتگذاری عرضههای عمومی اولیه: ترکیب شبکههای عصبی مصنوعی والگوریتم ژنتیک. بررسیهای حسابداری و حسابرسی، 16(58)، 102-87. قاسمی، قاسم. (1384). مقایسۀ دقت پیشبینی سود توسط مدیریت با سری زمانی باکس-جنکینز. پایاننامۀ کارشناسی ارشد، دانشکدۀ حسابداری و مدیریت دانشگاه علامه طباطبایی. مکیان، سیدنظامالدین؛ کریمی تکلو، سلیم. (1388). پیشبینی ورشکستگی شرکتهای تولیدی اولیه با استفاده ازشبکههای عصبی. فصلنامۀ اقتصاد مقداری، 6(1)، 144-120. هاشمی، سیدعباس؛ سروشیار، افسانه. (1391). ارزیابی توانمندی اقلام تعهدی و اجزای آن در پیشبینی سود غیرعادی و تعیین ارزش شرکت با ملاحظه علامت سود غیرعادی. پیشرفتهای حسابداری، 3(1)، 112-93. Abarbanell, J.S., Bushee, B.J. (1997). Fundamental analysis, future EPS, and stock prices. Journal of Accounting Research, 35(1), 1–24. Alemtabriz, A., Zandieh, M., Mohammad Rahimi, A. (2008). Meta-Innovative Algorithms for Hybrid Optimization, Saffar pubs, Tehran [In Persian]. Angeline, P.J.) 1998(. Evolutionary optimization versus particle swarm optimization: Philosophy and performance differences. Evolutionary Programming VII, Lecture Notes in Computer Science, 1447, 601-611. Anvari Rostami, A.A., Azar, A., Norozi, M. (2014). Modeling of forecasting EPS with using of fuzzy neural network. Studies in Financial Accounting and Auditing, 6(23), 1-15 [In Persian]. Arab Mazar, M., Ghasemi, M. (2009). Pricing initial public offerings: Combining Artificial neural networks and genetic algorithm. Journal of the Accounting and Auditing Reviews, 58(16), 87-102 [In Persian]. Callen, J.L., Kwan, C.C.Y., Yip, P.C.Y., Yuan, Y.F. (1996). Neural network forecasting of quarterly accounting earnings. International Journal of Forecasting, 12(4), 475-482. Cao, Q., Gan, Q., Schniederjans, M.J. (2010). Assessing model efficacy in forecasting EPS of Chinese firms using fundamental accounting variables: A comparative study. International Journal of Society Systems Science, 2(3), 207-225. Cao, Q., Parry, M.E. (2009). Neural network earnings per share forecasting models: A comparison of backward propagation and the genetic algorithm. Decision Support Systems, 47(1), 32-41. Demori, D., Darioush, F., Ashar, M. (2011). Predicting Tehran stock market aggregete index with particle swarm optimization and comparsion with traditional models. Journal of Accounting Knowledge, 2(5), 7-30 [In Persian]. Dorsey, R.E., Mayer, W.J. (1995). Genetic algorithms for estimation problems with multiple optima non differentiability and other irregular features .Journal of Business & Economic Statistics, 13(1), 53-66. Etemadi, H., Anvari Rostami, A.A., Ahmadian, V. (2015). Models. Journal of Financial Engineering and Securities Management, 6(23), 21-38 [In Persian]. Etemadi, H., Azar, A., Baghaei, V. (2012). Applying neural networks in predicting profitability of listed companies in Tehran Stock Exchange. Journal of Accounting Knowledge, 10(3), 70-51 [In Persian]. Foster, G. (1977). Quarterly accounting data: Time series properties and predictive ability results. Accounting Review, 52(1), 1-21. Ghasemi, G., (2005). The comparison of management forecast earning and box-jenkins models. M.Sc thesis, Allame Tabatabaei University [In Persian]. Hashemi, A., Sorushnia, A. (2011). An assessment of accruals and its components ability in forecasting abnormal earnings and explaining value of company considering the sign of abnormal earnings. Journal of Accounting Advances, 3(1), 93-112 [In Persian]. Kennedy, J., Eberhart, R.C. (1995). A new optimizer using particle swarm theory. 6th international symposium on micro machine and human science. Nagoya, Japan, 39-43. Kerstein, J., Kim, S. (1995). The incremental information content of capital expenditures. The Accounting Review, 70(3), 513-526. Lev, B., Thiagarajan, S.R. (1993). Fundamental information analysis. Journal of Accounting Research, 31(2), 190-215. Makian, N., Karimi Takalo, S. (2009). Predictive bankruptcy of manufacturing companies with neural networks. Quantities Economics, 1(6), 120-144 [In Persian]. Monfared, J.H., Alinegad, M.A., Metghalchi, S. (2012). A comparative study of neural network models with box Jenkins methodologies in prediction of Tehran price index (TEPIX). Journal of Financial Engineering and Securities Management, 3(11), 1-16 [In Persian]. Pourheidari, O., Azami, Z. (2008). Identifying auditors’ opinions with neural networks. Journal of Accounting Knowledge, 1 (3), 77-97 [In Persian]. Stober, T.L. (1993). The incremental information content of receivables in predicting sales, earnings, and profit margins. Journal of Accounting, Auditing and Finance, 8(4), 447-473. Zhang, W., Cao, Q., Schniederjans, M. (2004). Neural network earnings per share forecasting models: A comparative analysis of alternative methods. Decision Sciences, 35(2), 205-237.
| ||
آمار تعداد مشاهده مقاله: 2,006 تعداد دریافت فایل اصل مقاله: 1,604 |