چکیده:
در اﯾﻦ ﭘﮋوﻫﺶ ﻫﺪف ﺗﻌﯿﯿﻦ اﻟﮕﻮﯾﯽ ﺑﺎ اﺳﺘﻔﺎده از ﻣﺘﻐﯿﯿﺮﻫﺎی ﻣﺎﻟﯽ ﺟﻬﺖ ﺑﺎﻻ ﺑﺮدن ﺗﻮان ﺗﺼﻤﯿﻢ ﮔﯿﺮی اﺳﺘﻔﺎده ﮐﻨﻨﺪﮔﺎن ﺻﻮرت ﻫﺎی ﻣﺎﻟﯽ در ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺎزده ﺳﻬﺎم ﺷﺮﮐﺖﻫﺎ ﻣﯽﺑﺎﺷﺪ. ﺑﺪﯾﻦ ﻣﻨﻈﻮر ﺑﻪ ﺑﺮرﺳﯽ ﺗﻮاﻧﻤﻨﺪی دو اﻟﮕﻮرﯾﺘﻢ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﭘﺮﺳﭙﺘﺮون ﭼﻨﺪ ﻻﯾﻪ و اﻟﮕﻮرﯾﺘﻢ رﻗﺎﺑﺖ اﺳﺘﻌﻤﺎری در اﯾﻦ زﻣﯿﻨﻪ ﭘﺮداﺧﺘﻪ ﺷﺪ. ﻧﻤﻮﻧﻪﻫﺎی ﻣﻮرد اﺳﺘﻔﺎده در اﯾﻦ ﭘﮋوﻫﺶ ﺷﺎﻣﻞ ﺷﺮﮐﺖ ﻫﺎی ﭘﺬﯾﺮﻓﺘﻪ ﺷﺪه در ﺑﺎزار ﺳﺮﻣﺎﯾﻪ اﯾﺮان در ﺑﯿﻦ ﺳﺎلﻫﺎی 1390 ﺗﺎ 1394 ﻣﯽﺑﺎﺷﺪ. اﯾﻦ ﺷﺮﮐﺖﻫﺎ ﺑﻪ دو ﮔﺮوه آﻣﻮزﺷﯽ ﺷﺎﻣﻞ ﺷﺮﮐﺖ-ﺳﺎل اﺑﺘﺪاﯾﯽ (ﺷﺮﮐﺖ-ﺳﺎل ﻫﺎی 90 ﺗﺎ 93) و ﮔﺮوه آزﻣﺎﯾﺸﯽ ﻣﺘﺸﮑﻞ از ﺷﺮﮐﺖ-ﺳﺎل اﻧﺘﻬﺎﯾﯽ )ﺷﺮﮐﺖ-ﺳﺎل 94(، ﺗﻔﮑﯿﮏ ﮔﺮدﯾﺪﻧﺪ. ﺑﺮای ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺎزده ﺳﻬﺎم ﺷﺮﮐﺖﻫﺎ از ﻧﺴﺒﺖﻫﺎی ﻣﺎﻟﯽ ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻨﻨﺪه ﺑﺎزده ﺳﻬﺎم ﮐﻪ ﭘﮋوﻫﺶ ﻫﺎی ﭘﯿﺸﯿﻦ ﺑﮑﺎررﻓﺘﻪ اﺳﺘﻔﺎده ﮔﺮدﯾﺪ. ﻧﺘﺎﯾﺞ اﯾﻦ ﻣﻄﺎﻟﻌﻪ ﻧﺸﺎن داد ﮐﻪ ﺗﺮﮐﯿﺐ ﻣﺪل ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﭘﺮﺳﭙﺘﺮون ﭼﻨﺪ ﻻﯾﻪ و اﻟﮕﻮرﯾﺘﻢ رﻗﺎﺑﺖ اﺳﺘﻌﻤﺎری، ﺑﺎ ﺧﻄﺎی 0.00481 دارای ﻗﺪرﺗﻤﻨﺪی ﺑﯿﺸﺘﺮی در ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺎزده ﺳﻬﺎم ﻧﺴﺒﺖ ﺑﻪ ﻣﺪل ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﭘﺮﺳﭙﺘﺮون ﭼﻨﺪ ﻻﯾﻪ ﺑﺎ ﺧﻄﺎی 0.1431 ﻣﯽ ﺑﺎﺷﺪ.
In this research, the goal is to determine the pattern by using financial variables to enhance the decision-makers'
ability to use financial statements to predict corporate returns. For this purpose, the ability of two multi-layer
perceptron neural network algorithms and colonial competition algorithm was investigated. The samples used in
this study include companies accepted in the capital market of Iran between 2011 and 2015. The companies were
divided into two educational groups: the company-years of the company (2011-2014 years) and the experimental
group consisting of the company-year-end (company-year 2015). In order to predict the returns of the
companies, the financial ratios predict the stock returns used by previous research. The results of this study
showed that the combination of neural network model of multilayer perceptron and colonial competition
algorithm with a 0.00481 error is more powerful in predicting stock returns than the multi-layer perceptron
neural network model with a 0.1431 error.
خلاصه ماشینی:
"کاربرد ترکیب شبکه عصبی پرسپترون چند لایه و الگوریتم رقابت استعماری در پیش بینی بازده سهام نگار خسروی پور ١، بهزاد یوسفیان امیرخیز٢* ١ عضو هیئت علمی گروه حسابداری، دانشکده اقتصاد و حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران ، ایران ٢ کارشناس ارشد رشته ریاضی کاربردی، دانشکده ریاضی، دانشگاه سراسری، کاشان ، ایران چکیده در این پژوهش هدف تعیین الگویی با استفاده از متغییرهای مالی جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورت های مالی در پیش بینی بازده سهام شرکت ها میباشد.
در این مدل داده های بدست آمده از الگوریتم ژنتیک وارد شبکه عصبی شده و بخشی از آن به منظور آموزش و دو بخش دیگر آن برای آزمون و اعتبارسنجی مورد استفاده قرار میگیرند.
٣. برآورد مدل شبکه عصبی پرسپترون چند لایه در این قسمت برای برآورد الگوی مناسب شبکه عصبی سعی میگردد از داده های به دست آمده از بازار سرمایه ایران طی دوره زمانی ١٣٩٠-١٣٩٤ بهترین مدل جهت پیش بینی بازده سهام شناسایی گردد.
پذیرش تفسیر: با توجه به نتایج حاصل شده ، مدل شبکه عصبی دارای توانمندی در پیش بینی بازده سهام آینده شرکت های پذیرفته شده در بورس اوراق بهادار تهران میباشند.
رد تفسیر: با توجه به نتایج حاصل شده ، مدل ترکیب شبکه عصبی پرسپترون چند لایه و الگوریتم رقابت دارای توانمندی در پیش بینی بازده سهام آینده شرکت های پذیرفته شده در بورس اوراق بهادار تهران میباشند."