پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,652 |
| تعداد مقالات | 13,423 |
| تعداد مشاهده مقاله | 30,846,435 |
| تعداد دریافت فایل اصل مقاله | 12,142,087 |
مقایسه کارآیی مدلهای رگرسیون با رویکرد تحلیل مؤلفههای اصلی (PCA) وشبکههای عصبی مصنوعی درپیشبینی بازده غیرعادی | ||
| مدیریت دارایی و تامین مالی | ||
| مقاله 2، دوره 4، شماره 1 - شماره پیاپی 12، خرداد 1395، صفحه 1-18 اصل مقاله (548.55 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22108/amf.2016.20629 | ||
| نویسندگان | ||
| رضا راعی1؛ مهدی بستان آراء* 2 | ||
| 1دانشیار دانشگاه تهران | ||
| 2دانشگاه تهران | ||
| چکیده | ||
| بسیاری از پژوهشها در علم مالی بر پیشبینی دقیق بازده شرکتها با در نظر داشتن ریسک سرمایهگذاری در سهام آنها تمرکز داشتهاند. هدف این پژوهش،بررسی امکان توضیح بازده غیرعادی(تفاوت بازده مورد انتظار حاصل از مدل قیمتگذاری داراییهای سرمایهای و بازده واقعی) بااستفاده ازنسبتهای مالی وانتخاب ابزاربهتر برای پیشبینی آن از بین دومدل رگرسیون چندگانه با رویکرد تحلیل مؤلفههای اصلی (PCA) وشبکههای عصبی مصنوعی(ANN) است. بر این اساس توانایی مدل شبکههای عصبی مصنوعی پیشخور با الگوریتم پسانتشار خطا (BPN) در پیشبینی برون نمونهایِ بازده غیرعادی سهام مورد معامله در بورس اوراق بهادار تهران در سالهای 1384 تا 1391 به طور معناداری بیشتر از توانایی رگرسیون خطی با رویکرد تحلیل مؤلفههای اصلی بوده است. | ||
| کلیدواژه‌ها | ||
| بازده غیرعادی سهام؛ شبکه های عصبی مصنوعی؛ رگرسیون خطی با تحلیل مؤلفه های اصلی (PCA)؛ پیش بینی برون نمونه ای | ||
| مراجع | ||
|
[1] بارزمان، منصور. (1389). ارایه مدل بهینه ساختار سرمایه در صنایع مختلف بورس اوراق بهادار تهران با استفاده از شبکه عصبیمصنوعی،پایاننامه کارشناسی ارشد، دانشکده علوم اجتماعی و اقتصادی، دانشگاه شیراز. [2] دستگیر، محسن؛ یوسفی گورتی، وجیهه. (1393). بررسی ارتباط بین سود یا زیان شناسایی نشده ناشی از تورم، جریانهای نقد آتی و بازده غیرعادی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. فصلنامه علمیـپژوهشی مدیریت دارایی و تأمین مالی، 2 (4): 98-75. [3] سرابندی، نریمان. (1389). بررسی رابطه بین بازده مازاد سهام با سود هر سهم پیشبینی شده، نسب قیمت به درآمد هر سهم، نسبت گردش حجم معاملات و معاملات عمده در بورس اوراق بهادار، پایاننامه کارشناسی ارشد.دانشکده علوم اقتصادی،دانشکده علوم اقتصادی. [4] شجر، مهدی. (1388). بررسی متغیرهای بنیادی حسابداری و بازده غیرعادی سهام، پایاننامه کارشناسی ارشد، دانشکده حسابداری و مدیریت، دانشگاه آزاد اسلامی واحد مرودشت. [5] عبادی، امید. (1388). پیشبینی شاخص کل قیمت سهام در بازار بورس تهران با استفاده از شبکههای عصبی مصنوعی،پایاننامه کارشناسی ارشد، دانشکده اقتصاد و علوم اجتماعی، دانشگاه بوعلیسینا. [6] فامیلیان، مولود؛ یزدانی، سیما. (1393).مقایسه عملکرد مدلهای شبکه عصبی مصنوعی واتورگرسیون برداری در پیشبینی شاخص قیمت و بازده نقدی. تحقیقات حسابداری و حسابرسی، 21. [7] مؤمنی، منصور؛ آذر، عادل. (1386). آمار و کاربرد آن در مدیریت. تهران: سازمان مطالعه و تدوین کتب علوم انسانی. [8] تقیزاده مهرجردی، روحالله؛ فاضل‌یزدی، علی؛ محبی، رضا. (1392). مدلسازی و پیشبینی کارآیی بانکهای دولتی و خصوصی ایران با استفاده از مدلهای شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک فصلنامه علمیـپژوهشی مدیریت دارایی و تأمین مالی، 1 (2): 103-126. [9] نیکواقبال، اکبر؛ گندلی علیخانی، نادیا؛ نادری، اسماعیل. (1393). ارزیابی مدلهای شبکه عصبی مصنوعی ایستا و پویا در پیشبینی قیمت سهام. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار،7، (22): 77 تا 91. [10] Angelini, E., Tollo, G. di, Roli, A., (2008). A Neural Network Approach for Credit Risk Evaluation. The Quarterly Review of Economics and Finance, 48(4): 733-755.
[11] Balkin, S. D., & Ord, J. K. (2000). Automatic Neural Network Modeling for Univariate Time Series, International Journal of Forecasting, 16: 509–515.
[12] Basu, Anup K. & Ashwood, Andrew J.. (2014) The Quest for Alpha: Can Artificial Neural Networks Help? JASSA, (1): 13-18.
[13] Brooks, C. (2002). Introductory Econometrics for Finance. Cambridge, Cambridge University Press.
[14] Callen, J. L., Kwan, C., Yip, P., & Yuan, Y. (1996). Neural Network Forecasting of Quarterly Accounting Earnings, International Journal of Forecasting, 12: 475–482.
[15] Cao, Q., Parry, M. E.. (2009). Neural Network Earnings Per Share Forecasting Models: A Comparison of Backward Propagation and the Genetic Algorithm. Decision Support Systems, 47(1): 32-41.
[16] Cao, Qing, Parry, Mark E., Leggio, Karyl B. (2011). The Three-Factor Model and Artificial Neural Networks: Predicting Stock Price Movement in China. Annals of Operations Research, May 2011, 185, (1): 25-44.
[17] Carhart, Mark. (1997). On Persistence in Mutual Fund Performance, Journal of Finance. (52): 661–692.
[18] Caudill, M. (1992). The view from now. AI Expert, (June 1992) 24-31.
[19] Coats, P.K., Fant, L.F. (1993). Recognizing Financial Distress Patterns Using a Neural Network Tool, Financial Management, 22 (3): 142-155.
[20] Fama, E., French, K. (1993). Common Risk Factors in the Returns on Stocks and Bonds. Journal of Financial Economics. (33): 3–56.
[21] Holthausen, R. W., & Larcker, D. F. (1992). The Prediction of Stock Returns Using Financial Statement Information. Journal of Accounting and Economics, (15): 373– 411.
[22] Kaastra, I. Boyd, M. (1996). Designing a Neural Network for Forecasting Financial and Economic Time Series, Neurocomputing, (10): 215-236.
[23] Long, J.A., Raudys, A.. (2000). Modelling Company Credit Ratings Using a Number of Classification Techniques. In Fifteenth European Meeting on Cybernetics and Systems Research.
[24] Lee, Sangjae, Ch, Wu Sung. (2013). A Multi-Industry Bankruptcy Prediction Model Using Back-Propagation Neural Network and Multivariate Discriminant Analysis. Expert Systems with Applications, 40 (8): 2941–2946.
[25] Leung, M. T., Chen A. S., Daouk, H.. (2000). Forecasting Exchange Rates Using General Regression Neural Networks. Computers and Operations Research. 27 (11): 1093-1110.
[26] Mokhatab R., F., S.M. Manzari, S. Bostanian. (2011). Financial Health Prediction Models Using Artificial Neural Networks, Genetic Algorithm and Multivariate Discriminant Analysis: Iranian Evidence. Expert Systems with Applications, 38 (8): 10210-10217.
[27] Mostafa, M. M,. (2010). Forecasting Stock Exchange Movements Using Neural Networks: Empirical Evidence from Kuwait. Expert Systems with Applications, 37(9): 6302-6309.
[28] O’Conner, M. (1973). On the Usefulness of Financial Statement Analysis and the Prediction of Stock Return, Accounting Review, (48): 339-352.
[29] Oliveira, Fagner A. de, Nobre, Cristiane N., Zárate, Luis E. (2013). Applying Artificial Neural Networks to prediction of stock price and improvement of the directional prediction index – Case study of PETR4, Petrobras, Brazil. Expert Systems with Applications, 40 (18): 7596–7606.
[30] Olson, D. Mossman, C. (2003). Neural Network Forecasts of Canadian stock Returns Using Accounting Ratios, International Journal of Forecasting, 1-13.
[31] Ou, J. A., & Penman, S. H. (1989). Financial Statement Analysis and the Prediction of Stock Returns. Journal of Accounting and Economics, (11): 295–329.
[32] Refenes, A. N., Azema-Barac, M. and Zapranis, A. D. (1993). Stock Ranking: Neural Networks vs Multiple Linear Regression. IEEE International Conference on Neural Networks, 141-1426.
[33] Reinganum, M. R. (1981). Abnormal Returns in Small Firm Portfolios. Financial Analysts Journal, 52-56.
[34] Reinganum, M. R. (1988). The Anatomy of a Stock Market Winner. Financial Analysts Journal, (39): 16-28.
[35] St. John, C.H., Balakrishnan, N., Fiet, J. O. (2000). Modeling the Relationship between Corporate Strategy and Wealth Creation using Neural Networks. Computers and Operations Research, (27): 1077-1092.
[36] Sureshkumar, K. K., Elango, N. M.. (2012). Performance Analysis of Stock Price Prediction using Artificial Neural Networks. Global Journal of Computer Science and Technology, Volume 12 Issue 1, pp.19-25.
[37] Tkacz, G. (2001). Neural Network Forecasting of Canadian GDP Growth. International Journal of Forecasting, (17): 57–69.
[38] Wansley, J., Roenfeldt, R., Cooley, P. (1983), Abnormal Returns from Merger Profiles, Journal of Financial and Quantitative Analysis, (18): 149-162.
[39] West, D. (2000). Neural Network Credit Scoring Models. Computers and Operations Research, 27 (11): 1131-1152. | ||
|
آمار تعداد مشاهده مقاله: 1,170 تعداد دریافت فایل اصل مقاله: 778 |
||