چکیده:
هدف از پژوهش حاضر اين است كه با استفاده از نسبت هاي مالي، به مدلي بر پايه نسبت هاي مالي براي پيش بيني بازده جاري و آتي شركت ها دست بيابيم. در اين پژوهش به منظور بررسي توانايي نسبت هاي مالي در تبيين بازده جاري و پيش بيني بازده آتي سهام، از روش درخت تصميم استفاده شده است. در اين روش مجموعه اي از شرط هاي منطقي به صورت يك الگوريتم با ساختار درختي براي پيشبيني و تبيين يك پيامد به كار مي رود. از اين رو مدلهاي حاصل از چهار الگوريتم درخت تصميم (شامل CHAID، ECHAID، QUEST و CRT) با استفاده از 70 درصد داده هاي پژوهش شكل گرفته و نتايج حاصل از آزمون آن ها در 30 درصد باقيمانده داده ها به وسيله معيارهايي نظير صحت، دقت و جداول درهم ريختگي مقايسه شده است. از اطلاعات 317 شركت پذيرفته شده بورس اوراق بهادار تهران طي سال هاي 1381 تا 1392 در اين پژوهش استفاده شده است. نتايج به دست آمده نشان مي دهد كه الگوريتم هاي CRT و ECHAID در تبيين بازده جاري و الگوريتم CHAID در پيشبيني بازده آتي بهترين عملكرد را دارند. همچنين قدرت مدل ها در تبيين بازده جاري بيشتر از پيش بيني بازده آتي است. چون در هر دو حالت توانايي مدل ها از نظر آماري قابل اتكا نبوده، فرضيه برقراري ارتباط تبييني بين نسبت هاي مالي طرح شده در اين پژوهش و تغييرات بازده جاري و آتي سهام رد مي شود.
The purpose of this paper is to develop a model for prediction of present and prospect stock return using financial ratios. For this purpose، decision tree method was used. In this approach، a set of logical conditions in a hierarchical algorithmic model have been used for prediction or recognition of an event. Hereupon in this research، 70 percent of data were used to produce models in four popular decision tree algorithms (CHAID، ECHAID، QUEST and CRT) and the results of the tests were compared in 30 percent of residual of data with some of performance measures like accuracy، sensitivity and specificity. Information of 317 companies accepted in Tehran Stock Exchange was used in this study. The results indicated that ECHAID and CRT algorithms performed best in the prediction of present and CHAID algorithm in that of future. It was also shown that the models were better in that of present compared to that of future. The abilities of the models، however، were not significant in both cases. Accordingly، the hypothesis of the study was rejected.