پیش بینی سود هر سهم(EPS) با استفاده از شبکه های عصبی پرسپترون چند لایه(MLP) و توابع شعاعی بنیادین(RBF) در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
نویسندگان
1 کارشناس ارشد حسابداری و حسابدار رسمی
2 گروه حسابداری دانشگاه آزاد اسلامی واحد اردبیل، اردبیل ایران
3 دانشجوی دکتری حسابداری دانشگاه شیراز، شیراز ایران
4 کارشناس ارشد حسابداری، دانشگاه تربیت مدرس، تهران ایران
doi
10.22034/iaar.2014.104401چکیده
سود هر سهم یکی از فاکتورهای مالی بسیار مهم است که مورد توجه مدیران، سرمایه گذاران و تحلیل گران مالی می باشد و اغلب برای تصمیم گیری در خصوص سرمایه گذاری، ارزیابی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود، از این رو پیش بینی آن برای مدیران و ذینفعان حائز اهمیت اساسی است. هدف این تحقیق ارائهی مدلی به منظور پیش بینی سود هر سهم با استفاده از شبکه عصبی پرسپترون چند لایه(MLP) و شبکهی عصبی توابع شعاعی بنیادین(RBF) و تعیین مدل برتر با استفاده از معیار های ارزیابی عملکرد است. بدین منظور، شرکت های عضو بورس اوراق بهادار تهران به عنوان جامعه آماری تحقیق در نظر گرفته شدند و 630 سال-شرکت در قالب 24 صنعت فعال بورس در محدودهی زمانی 1388-1382 به عنوان نمونهی تحقیق انتخاب شدند. نتایج تحقیق نشان می دهد که شبکهی MLP خطای پیش بینی کمتری نسبت به شبکهی RBF دارد و همبستگی بین داده های واقعی و داده های پیش بینی شده توسط این شبکه نیز از RBF بیشتر است؛ در نتیجه دقت پیش بینی شبکهیMLP بیشتر از شبکهی RBF است.