چکیده:
اﯾﻦ ﭘﮋوﻫﺶ در ﺻﺪد ﭘﯿﺶﺑﯿﻨﯽ ﻓﺮوش و ﻫﺰﯾﻨﻪ ﺷﺮﮐﺖﻫﺎی ﭘﺬﯾﺮﻓﺘﻪ ﺷﺪه در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان ﺑﺎ اﺳﺘﻔﺎده ازﺗﮑﻨﯿﮏ ﺷﺒﮑﻪ ﻋﺼﺒﯽ اﺳﺖ. ﻧﻤﻮﻧﻪ ﺗﺤﺖ ﺑﺮرﺳﯽ ﻣﺎ ﺷﺮﮐﺖ ﺗﻮﻟﯿﺪی داروﯾﯽ ﻓﺎراﺑﯽ، ﻋﻀﻮ ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان در ﺑﯿﻦ ﺳﺎلﻫﺎی 80 ﺗﺎ 89 ﻣﯽﺑﺎﺷﺪ. ﺑﺮای دﺳﺘﯿﺎﺑﯽ ﺑﻪ ﯾﮏ ﺟﺮﯾﺎن ﻣﻨﻄﻘﯽ واﺳﺘﻔﺎدهی ﻋﻤﻠﯽ ازﻧﺘﺎﯾﺞ ﭘﮋوﻫﺶ، (70%) ﺳﺎل اﺑﺘﺪاﯾﯽ را ﺑﻌﻨﻮان ﮔﺮوه آﻣﻮزﺷﯽ و (30%) ﺳﺎل اﻧﺘﻬﺎﯾﯽ را ﺑﻪ ﻋﻨﻮان ﮔﺮوه آزﻣﺎﯾﺸﯽ و اﻋﺘﺒﺎردﻫﯽ در ﺷﺒﮑﻪ ﺑﻪ ﮐﺎرﮔﺮﻓﺘﯿﻢ. دراﯾﻦ ﭘﮋوﻫﺶ از ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﭘﯿﺸﺨﻮر ﺗﺤﺖ ﺗﺎﺑﻊ newff در ﻣﺤﯿﻂ matlab ﺑﺎ 5 ﻻﯾﻪ ﭘﻨﻬﺎن ﺑﺮای ﯾﺎدﮔﯿﺮی اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. از ﺗﻮاﺑﻊ tansig ﺳﯿﮕﻤﻮﺋﯿﺪ و purelin ﺗﺎﺑﻊ ﺧﻄﯽ ﺳﺎز ﺑﻪ ﺗﺮﺗﯿﺐ ﺑﺮای ﻻﯾﻪﻫﺎی ﭘﻨﻬﺎن و ﺧﺮوﺟﯽ و20000ﺗﮑﺮار (epoch) ﺟﻬﺖ آﻣﻮزش ﺷﺒﮑﻪ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﯾﺞ آزﻣﻮن ﻓﺮﺿﯿﻪﻫﺎ ﺗﮑﻨﯿﮏ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺗﻮاﻧﺴﺖ ﺑﺎ درﺟﻪ ﺑﺎﻻﯾﯽ از اﻃﻤﯿﻨﺎن ﻓﺮوش و ﻫﺰﯾﻨﻪ ﺷﺮﮐﺖ ﻣﻮرد ﻧﻈﺮراﭘﯿﺶﺑﯿﻨﯽ ﮐﻨﺪ و اﯾﻦ اﻣﺮ ﺗﻮاﻧﺎﯾﯽ ﺷﺒﮑﻪ ﻋﺼﺒﯽ را در اﻣﺮ ﭘﯿﺶﺑﯿﻨﯽ ﻓﺮوش و ﻫﺰﯾﻨﻪ ﺑﻪ اﺛﺒﺎت ﻣﯽرﺳﺎﻧﺪ. در اﯾﻦ ﭘﮋوﻫﺶ ﻧﯿﺰ ﺑﺎ اﺳﺘﻔﺎده از ﻧﺴﺒﺖﻫﺎی ﻣﺎﻟﯽ (ﻧﺴﺒﺖﻫﺎی ﺳﻮآوری) و ﻓﺎﮐﺘﻮرﻫﺎی دﯾﮕﺮ ﮐﻪ ﺟﻬﺖ ﭘﯿﺶﺑﯿﻨﯽ ﻓﺮوش و ﻫﺰﯾﻨﻪ ﺑﻪ ﮐﺎرﮔﺮﻓﺘﻪ ﺷﺪ، ﺗﻮاﻧﺎﯾﯽ ﺷﺒﮑﻪ ﻋﺼﺒﯽ درراﺳﺘﺎی ﻧﯿﻞ ﺑﻪ ﻫﺪف ﺑﻪ اﺛﺒﺎت رﺳﯿﺪ و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﺄﯾﯿﺪ ﺷﺪن ﻓﺮﺿﯿﻪﻫﺎی ﻣﻮرد ﻧﻈﺮ ﻣﯽﺗﻮان ازﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺑﻪ ﻋﻨﻮان ﯾﮏ روش ﻣﻄﻤﺌﻦ در ﺟﻬﺖ ﭘﯿﺶﺑﯿﻨﯽ ﻓﺮوش و ﻫﺰﯾﻨﻪ در ﺟﻬﺖ ﮐﺴﺐ ﺳﻮد و ﺑﺮآوردن اﻧﺘﻈﺎرات ﺳﺮﻣﺎﯾﻪ ﮔﺬاران، اﻋﺘﺒﺎر دﻫﻨﺪﮔﺎن ﺑﺎﻟﻔﻌﻞ و ﺑﺎﻟﻘﻮه و ﺳﺎﯾﺮ اﻓﺮاد ﻧﺎم ﺑﺮد و آن را ﺑﻪ ﮐﺎرﮔﺮﻓﺖ.
This article tries to forecast sales and expenses listed companies in Tehran Stock Exchange using neural network
techniques. Our review sample under Farabi Pharmaceutical Manufacturing Company, a member of the Tehran
Stock Exchange is in between 80 to 89. To achieve a logical flow and use of the practical results of the study
(70%) as a primary training group and 30% by year end as the experimental group and accreditation in the
network to Kargrftym. In this study the function newff feedforward neural network in matlab with 5 hidden layer
is used for learning. Tansig sigmoid functions and construction purelin linear function in order for the hidden
and output layers and repeat 20000 (epoch) is used to train the network. In this study, using financial ratios
(ratios Svavry) and other factors designed to forecast sales and expenses was used, the ability of the neural
network in order to achieve the goal proved with regard to verification of hypotheses Mvrdnzrmy the network of
nerve as a reliable method to forecast sales and expenses in the profit and fulfill the expectations of investors,
actual and potential creditors and other persons named in initiating it.Keywords: forecasting, sales and expenses,
Neural Network Stock Exchange.
خلاصه ماشینی:
"جدول ٢: رابطه فروش سال گذشته و هزینه عملیاتی سال جاری / براساس گزینه های مشخص شده در بالا رابطه فروش سال گذشته وهزینه عملیاتی سال جاری با ٧ تکرار و در ٣ epoch به صورت زیر میباشد: / نمودار ٣: رابطه فروش سال گذشته و هزینه عملیاتی سال جاری بر همین اساس یعنی با تکرار مشخص شده در بالا و روندهای مشخص شده در گراف نمایش عملکرد نتایج رگرسیونی برای این مدل به صورت زیر میباشد: 43 / نمودار ٤: آزمون وجود یا عدم وجودرابطه میان فروش خالص سال گذشته وهزینه های عملیاتی سال جاری در نمودار فوق مشاهده میشود که مقدار R در چهار مرحله محاسبه شده است : ١-در بخش آموزش (Training) برابر ١ ٢-آزمایش (test) برابر ١ ٣-معتبر (validation) برابر ١ ٤-کلی (all) برابر ٠/٩٧ در این نمودار مشاهده میشود که میزان R محاسبه شده در مرحله معتبر برابر یک بوده بنابراین میتوان گفت که میزان همبستگی ایجاد شده در مرحله معتبر مثبت بوده بنابراین فرضیه مورد تأیید قرار میگیرد، پس بین فروش خالص سال گذشته وهزینه های عملیاتی سال جاری رابطه مستقیم و مثبت وجود دارد.
47 جدول ٥: رابطه حاشیه سود عملیاتی سال جاری وفروش خالص سال اتی / براساس گزینه های مشخص شده در بالا رابطه بین حاشیه سود عملیاتی سال جاری وفروش خالص سال اتی با ٧ تکرار و در ٤ epoch به صورت زیر میباشد: / نمودار ٩: رابطه حاشیه سود عملیاتی سال جاری وفروش خالص سال اتی بر همین اساس یعنی با تکرار مشخص شده در بالا و روندهای مشخص شده در گراف نمایش عملکرد نتایج رگرسیونی برای این مدل به صورت زیر میباشد: 48 / نمودار ١٠: آزمون وجود یا عدم وجودرابطه میان حاشیه سود عملیاتی سال جاری و فروش خالص سال آتی در نمودار فوق مشاهده میشود که مقدار R در چهار مرحله محاسبه شده است : ١-در بخش آموزش (Training) برابر ١ ."