کاربرد نسبتهای حسابداری در پیش بینی ریسک سیستماتیک با استفاده از مدل شبکه عصبی مصنوعی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 536

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FNCAA02_111

تاریخ نمایه سازی: 11 آبان 1395

چکیده مقاله:

تصمیم گیری در مسائل مالی و اقتصادی به دلیل عدم اطمینان های آتی ، همواره با ریسک همراه است. پیش بینی ریسک سیستماتیک در تحقیقات مختلفی مورد توجه قرار گرفته است که در بسیاری از این تحقیقات از نسبت های مالی به عنوانمتغیرهایی برای پیش بینی ریسک استفاده شده است . در این تحقیق از مدل شبکه عصبی مصنوعی جهت پیش بینی ریسک سیستماتیک سهام استفاده شده است. شبکه عصبی مورد استفاده در این تحقیق ، شبکه پس انتشار خطاکه یکی از انواع شبکه های پیشخور است ، می باشد. تابع عملکرد برای آموزش شبکه، متوسط مجموع مربعات خطاMSE در نظر گرفته شده است. نمونه مورد استفاده در این تحقیق شامل 109 شرکت از میان شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بین سالهای 1387 الی 1392 می باشد. نتایج تحقیق نشان داد، مدل شبکه عصبی مصنوعی در پیش بینی ریسک سیستماتیک سهام با استفاده از نسبت های مالی، نسبت به مدل خطی رگرسیون از توانایی بالاتری برخوردار است

نویسندگان

مهرداد ولی پور

مربی، عضو هیات علمی دانشگاه آزاد اسلامی، واحد نکا

مجید کارگشا

مربی، عضو هیات علمی دانشگاه آزاد اسلامی، واحد نکا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • احمدپور، احمد، 1378، «مدل پیش بینی ریسک سیستماتیک با استفاده ...
  • جهانخانی، علی، 1376، تامین مالی از طریق انتشار اوراق بهادار، ...
  • زینل همدانی، علی و مجتبی پیرصالحی، (1373)، بررسی ریسک و ...
  • شباهنگ، رضا(1372)، مدیریت مالی، مرکز تحقیقات تخصصی حسابداری، جلد اول ...
  • _ مشایخ، شهناز (1382)، بازده اضافه مدیریت فعال شرکت های ...
  • نمازی، محمد. زارع، بهروز، (1383) «کاربرد تئوری اطلاعات در تعیین ...
  • نمازی، محمد، خوا جوی، شکرالله(زمستا ن 1386)، بررسی های حسابداری ...
  • Belkaoui, ahmed riahi (1993), »the information contemt of value added ...
  • Belkaoui, A., Winter 1978 , _ Accounting Determinants of Systematic ...
  • Blume, M., "Betas and their regression tendencies", Journal of Finance ...
  • Brimble , M _ Andrew , 2003 _ The relevance ...
  • D aSe, R.K, Pawar, D .D(20 1 0), Application of ...
  • Etemadi, H., Anvary Rostamy, A. A., & Dehkordi, H. F. ...
  • Edwards, V., Hairong, Y., Chan, P., & Manger, G. _ ...
  • Fama, e, Ferench, k, (1 993) common risk factors in ...
  • Ferri, Michael G., and jons, Wesley H(1 972). "Determinats of ...
  • Lam, Keith, (2002), the relationship between size and b ook-to-market ...
  • Levy, H., & Sarnat, 1984, Portfolio and Investmet Selection, Hall, ...
  • Lev, B., September 1974 , _ The Association Between Operational ...
  • Mandelker, G & Rhee, s , 1984, the impact of ...
  • Markowitz, Harry(1959)portfolio selection, second editi on, published by jhon wily ...
  • Matoussi Hamadi. (2009)." Using A Neural Network-B ased Methodology for ...
  • Shah, J. R., & Murtaza, M. B. (2000). A neural ...
  • Yuhong.Li _ 2010, Applications of artificial neural networks in financial ...
  • نمایش کامل مراجع