مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

488
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

667
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ترکیب شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش بینی سود هر سهم

صفحات

 صفحه شروع 7 | صفحه پایان 34

کلیدواژه

ثبت نشده است

چکیده

 پیش بینی سود هر سهم از اهمیت فراوانی برای سرمایه گذاران و مدیران داخلی شرکت ها برخوردار است. بررسی پژوهش های قبلی حاکی از این بوده است که در اکثر آن ها، به فرضیه وجود رابطه غیرخطی میان سود وعوامل تعیین کننده آن توجه نشده است. این در حالی است برخی از پژوهشگران نشان داده اند که رابطه میان سود و عوامل تعیین کننده آن خطی نیست. به همین دلیل و همچنین نقش محوری سود هر سهم در تصمیمات سرمایه گذاران، با استفاده از مدل های مختلف شبکه عصبی مصنوعی و مدل های سری زمانی، سود هر سهم میان دوره ای 126 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1389 تا 1395 بررسی و پیش بینی شده است. در ادامه و در گام بعدی برای تعیین متغیرهای ورودی مؤثر بر سود هر سهم از الگوریتم بهینه سازی ژنتیک و تجمع ذرات استفاده شده است. به کارگیری روش ترکیبی شبکه عصبی مصنوعی، الگوریتم ژنتیک و الگوریتم تجمع ذرات می تواند علاوه بر استفاده از روش های نوین برای پیش بینی سود هر سهم، سرمایه گذاران را نیز در تصمیم گیری های آتی یاری رساند. نتایج نشان می دهد 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.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    نقدی، سجاد، و عرب مازاریزدی، محمد. (1396). ترکیب شبکه عصبی, الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش بینی سود هر سهم. دانش حسابداری، 8(3 (پیاپی 30) )، 7-34. SID. https://sid.ir/paper/163343/fa

    Vancouver: کپی

    نقدی سجاد، عرب مازاریزدی محمد. ترکیب شبکه عصبی, الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش بینی سود هر سهم. دانش حسابداری[Internet]. 1396؛8(3 (پیاپی 30) ):7-34. Available from: https://sid.ir/paper/163343/fa

    IEEE: کپی

    سجاد نقدی، و محمد عرب مازاریزدی، “ترکیب شبکه عصبی, الگوریتم ژنتیک و الگوریتم تجمع ذرات در پیش بینی سود هر سهم،” دانش حسابداری، vol. 8، no. 3 (پیاپی 30) ، pp. 7–34، 1396، [Online]. Available: https://sid.ir/paper/163343/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button