بررسی مدل گوردون با رهیافت شبکه ی عصبی

نویسندگان

1 دانشجوی دکتری حسابداری دانشکده علوم اجتماعی و اقتصادی دانشگاه الزهرا )س(، تهران، ایران

2 استادیار گروه حسابداری دانشکده علوم اجتماعی و اقتصادی دانشگاه الزهرا )س(، تهران، ایران

doi
چکیده

مطالعة حاضر به دنبال مدل سازی رابطه گوردون با استفاده از روش شبکه عصبی پیش خور برای تعدادی از شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در این مطالعه به بررسی مدل گوردون با رویکرد غیرخطی و مقایسه آن با مدل خطی رگرسیون پرداخته شده است. بررسی مدل غیرخطی گوردون با استفاده از شبکة عصبی تاکنون در مطالعات مورد توجه قرار نگرفته است. در این پژوهش از اطلاعات 247 شرکت و تعداد 1135 مشاهده (شرکت-سال) طی سال های 1385-1392 (پنل نامتوازن برای رگرسیون) استفاده شده است. نتایج حاصل از مقایسة رابطة مذکور با استفاده از دو روش رگرسیون خطی و شبکة عصبی، نشان می دهد که ضریب تعیین بدست آمده برای شبکه عصبی بالاتر از ضریب تعیین رگرسیون خطی است؛ بنابراین استفاده از مدل غیرخطی می تواند توان پیش بینی مدل را بهبود بخشیده و به استراتژی های سرمایه گذاری سودآورتر کمک نماید. برای دستیابی به شبکه بهینه در فرآیند مدل سازی، ساختارهای مختلف شبکه با تغییر در تعداد نرون ها آزمون شدند.