پیش بینی سود حسابداری با استفاده از شبکه عصبی مصنوعی پرسپتون چند لایه (MLP) در مقایسه با شبکه عصبی مصنوعی توابع پایه شعاعی (RBF)
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,962
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMIIMAIEO01_134
تاریخ نمایه سازی: 25 شهریور 1392
چکیده مقاله:
این پژوهش روشی قابل اعتماد برای پیش بینی سود با استفاده از هوش مصنوعی پیشنهاد می دهد. اکثر مطالعات انجام شده در این حوزه از پژوهش بر روی مدل های آماری و اقتصاد سنجی بوده است که ممکن است در هنگام برخورد با داده های مالی غیر خطی با مشکلات روبرو شوند. اگر چه در حال حاضر ثابت شده است که هوش مصنوعی در بسیاری از برنامه های کاربردی کسب و کار موفق بوده است، پژوهش های کمی در خصوص یکپارچه سازی تجزیه و تحلیل صورتهای مالی با استفاده از تکنیک های آن انجام شده است. در این مطالعه از تکنیک پرسپتون چندلایه (MLP) و توابع پایه شعاعی (RBF) بهره گیری شده است. بدین منظر هشت ویژگی از ویزگی های صورت سود و زیان شرکت های پذیرفته شده در بورس اوراق بهادار تهران از سال 1385 تا 1389 مورد بررسی قرار گرفته است. نتایج به دست آمده نشان می دهد که روش MLP و RBF به ترتیب بیانگر حدود 80 درصد و 82% کارایی هستند.
کلیدواژه ها:
نویسندگان
زینت انصاری
عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر
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 :