CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

الگوسازی غیرخطی و پیشبینی سود هر سهم سال آتی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران (کاربرد شبکههای عصبی مصنوعی و مقایسه آن با الگوهای رگرسیون خطی و سری زمانی)

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۹ | تعداد نمایش خلاصه: ۲۴۲ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: EMASS01_057
زبان مقاله: فارسی
حجم فایل: ۵۵۸.۷۵ کلیوبایت (فایل این مقاله در ۱۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله الگوسازی غیرخطی و پیشبینی سود هر سهم سال آتی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران (کاربرد شبکههای عصبی مصنوعی و مقایسه آن با الگوهای رگرسیون خطی و سری زمانی)

عبدالمهدی انصاری -
حجت حسینی نسب -
مرضیه یوسفی نژاد -

چکیده مقاله:

دقت پیشبینی از مهمترین عوامل مؤثر در انتخاب روش پیشبینی است، امروزه بهرغم وجود روشهای متعدد پیش بینی هنوز پیش بینی دقیق مالی کار چندان سادهای نیست و اکثر محققان درصدد تعیین بهترین روش برای پیش بینی هستند. در این راستا در این پژوهش از روش شبکه عصبی MLP، رگرسیون خطی و سریهای زمانی برای تعیین بهترین روش پیشبینی سود هر سهم سال آتی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1382 لغایت 1389 استفاده شده است و هدف اصلی این پژوهش آزمون این فرضیه است که آیا شبکههای عصبی مصنوعی با توان برآورد روابط غیرخطی دارای نتایج بهتر و قابل مقایسه در پیشبینی سود هر سهم سال آتی نسبت به سایر روشها هستندیا خیر؟ نتایج مطالعه حاکی از آن است که مدل شبکه عصبی مصنوعی به وضوح از قدرت بیشتری نسبت به سایر روشها در زمینه پیشبینی سود هر سهم سال آتی برخورداراست.

کلیدواژه‌ها:

رگرسیون خطی، سریهای زمانی، سود هر سهم، شبکههای عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-EMASS01-EMASS01_057.html
کد COI مقاله: EMASS01_057

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
انصاری, عبدالمهدی؛ حجت حسینی نسب و مرضیه یوسفی نژاد، ۱۳۹۳، الگوسازی غیرخطی و پیشبینی سود هر سهم سال آتی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران (کاربرد شبکههای عصبی مصنوعی و مقایسه آن با الگوهای رگرسیون خطی و سری زمانی)، اولین کنفرانس بین المللی اقتصاد، مدیریت، حسابداری و علوم اجتماعی، رشت، شرکت کارآفرینان دانشگاهی منطقه آزاد انزلی، http://www.civilica.com/Paper-EMASS01-EMASS01_057.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (انصاری, عبدالمهدی؛ حجت حسینی نسب و مرضیه یوسفی نژاد، ۱۳۹۳)
برای بار دوم به بعد: (انصاری؛ حسینی نسب و یوسفی نژاد، ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.