عنوان پایان‌نامه
بررسی توانائی مدل شبکه عصبی در پیش بینی بازدهی سهام بورس اوراق بهادار تهران با استفاده از نسبتهای حسابداری شرکت ها و مقایسه آن با نتایجی مدل رگرسیئن لجستیک
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61920
- تاریخ دفاع
- ۲۶ اسفند ۱۳۹۱
- دانشجو
- وحید ابری سرنسری
- استاد راهنما
- شاپور محمدی
- چکیده
- یکی از مهمترین بخشهای اقتصاد هر کشوری بازار سرمایه آن کشور است که در صورت رونق، می تواند نقش عمده ای در به جریان انداختن پس اندازها، افزایش تولید، اشتغال و بهبود شاخص های اقتصادی و در یک عبارت، افزایش رفاه مردم داشته باشد.همانند هر حرفه دیگری، فعالیت در این بازار نیازمند تخصص است.تخصص برای محاسبه ریسک وبازده سهام شرکتهای موجود در بازار تا با کمینه کردن ریسک و بیشینه کردن بازده، ثروت فعالان بازار حداکثر شود. گزارش های مالی شرکتهای پذیرفته شده در بورس های اوراق بهادار(که در این تحقیق مورد توجه خاص قرار خواهند گرفت)، یکی از در دسترس ترین منابع برای متخصصان و سرمایه گذاران بازار سرمایه در هر کشوری جهت بررسی وضعیت اقتصادی واحدهای اقتصادی محسوب می شود. یکی از اهداف گزارشگری مالی، فراهم نمودن اطلاعات لازم برای تفسیر وضعیت و ارزیابی توان سودآوری واحدهای اقتصادی است. از سوی دیگر سرمایه گذران نیز به دنبال حداکثر کردن ثروت خود هستند.صورتهای مالی و یادداشت های همراه آن از مهمترین منابع اطلاعاتی سرمایه گذاران برای تفسیر وضعیت یک واحد اقتصادی است.ارقام استخراج شده از صورتهای مالی، از جمله سودخالص و سود هر سهم که کاربرد گسترده ای در بین سرمایه گذاران در بورس های سر تا سر هستی دارند، گواهی بر اهمیت اقلام اطلاعاتی حسابداری هستند. تا کنون از مدل های زیادی برای پیش بینی قیمت وبازده سهام استفاده شده است، با یکدیگر مقایسه شده اند ونقاط ضعف و قوت آنها نسبت به هم روشن شده است. اگر بخواهیم مدل خوبی را برای پیش بینی معرفی کنیم، باید در درجه اول بر اساس داده های تاریخی عملکرد خوبی داشته باشد و در درجه دوم ازقدرت پیش بینی برون نمونه ای مناسبی برخوردار باشد. بر اساس تحقیقات انجام گرفته، اکثر مدلهای پیش بینی به جز روش های شبکه عصبی ، از قدرت تعمیم پذیری یا به عبارت دیگر، قدرت پیش بینی برون نمونه ای مناسبی برخوردار نیستند بلکه تنها در حوزه داده های تاریخی یا همان درون نمونه ای که در طراحی مدل نقش داشته اند، عملکرد موفقی را نشان می دهند.اگر بتوان مدلی را طراحی کرد که طبق معیارهای رایج، عملکرد درون و برون نمونه ای مناسبی داشته باشد، می توان در پیش بینی بر اساس زمانهای آتی به آن مدل اعتماد کرد. در این تحقیق بنا بر این است که با بکارگیری مدل های شبکه عصبی و رگرسیون لجستیک ، بازدهی آت
- Abstract
- One of the most important economy sections in any country is capital market which if flourished, can play a major role in conducting the savings, increasing production, employment and improving economic indices and briefly increasing public welfare. Such any other profession, acting in this market requires expertise in calculating the risk and return of the stock of the companies in the market in order to minimize the risk and maximize the return and eventually maximize the market actors’s wealth. The financial reports of the companies accepted in security exchanges, which are scrutinized in this survey, are one of the most available sources for experts and capital market investors in any country to assess the economic condition of economic units. on the other hand, investors are attriving to maximize their wealth. financial statements are one of the most available sources for investors to interprete the condition of economic units. digits extracted from financial statements, such as Earning after tax which has vast usage among investors throughout all the world, is a proof for importance of accounting numbers. So far, many models have been used to forecast stock price and returns, and compared together and specified by strength points and weakness points . if we intend to introduce a good model forcasting, at the first place it must have a good performance based on historical data, and at the second place it must have suitable out-of-sample forecasting power. according to the researches conducted, most of forecasting models, except artificial neural networks, lack the power of out-of-sample forecasting and perform ssuccesfully in the field of historical data named in-sample data which are used to design the model. If we’re able to design a model which has a suitable performance in both in-sample and out-of-sample by common criteria, we can trust it in forecasting based on future time. In this survey, we’ll assess the capability of logistic regression and artificial neural network in forecasting the future return of a sample of stock in Tehran Stock Exchange. Keywords: Return, Financial Statement Analysis, Artificial Neural Network, Logistic Regression.
