مدل سازی متغیرهای اثرگذار بر کارایی سرمایه گذاری بر مبنای ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذرات (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف این پژوهش الگویی برای اندازه گیری کارایی سرمایه گذاری در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بر مبنای ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذرات است. بدین منظور، نمونه ای متشکل از 124 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1386-1400 بررسی شده است. در راستای دستیابی به اهداف پژوهش، ابتدا با مطالعه پژوهش های پیشین در زمینه کارایی سرمایه گذاری 17 متغیر اثرگذار بر کارایی سرمایه گذاری انتخاب و با استفاده از روش داده های ترکیبی، مدل بهینه کارایی سرمایه گذاری بر مبنای جریان وجه نقد ناشی از فعالیت های سرمایه گذاری برآورد گردیده است. نتایج برآورد مدل نشان داد 8 متغیر فرصت رشد، کیفیت گزارشگری مالی، رشد فروش، نرخ بازده دارایی ها، اهرم مالی، جریآن های نقد عملیاتی، سود سهام تقسیمی، سود عملیاتی به کل دارایی ها با میزان وجه نقد صرف شده در فعالیت های سرمایه گذاری دارای رابطه ای معنادار هستند. در نهایت، نتایج مقایسه مدل پژوهش بر مبنای ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذرات با سایر مدل ها نشان داد مدل پژوهش، خطای آموزش شبکه عصبی با الگوریتم حرکت تجمعی ذرات را ب ه مقدار 0560/0 کاهش داد. همچنین، با توسعه مدل پژوهش، از طریق وارد کردن متغیرهای حسابداری، سطح زیرمنحنی راک به 6164/0 افزایش می یابد و در نتیجه، بر دقت مدل پژوهش تا 602/63 درصد افزوده می شود. این نتیجه، مؤثر بودن ورود متغیرهای محیطی به مدل پژوهش را نشان می دهد.Modeling variables affecting investment efficiency based on the combination of artificial neural networks and the optimization algorithm of cumulative movement of particles
The purpose of this study is a model for measuring investment efficiency in companies listed on the Tehran Stock Exchange based on the combination of artificial neural networks and the cumulative particle motion optimization algorithm. For this purpose, samples consisting of 124 companies listed on the Tehran Stock Exchange during the years 2008-2019 have been studied. In order to achieve the goals of the research, first by studying the previous researches in the field of investment efficiency, 17 variables affecting investment efficiency were selected and using the combined data method, the optimal model of investment efficiency was estimated based on the cash flow resulting from investment activities. The results of the model estimation showed that 8 variables of growth opportunity, quality of financial reporting, sales growth, rate of return on assets, financial leverage, operating cash flows, dividends, operating profit on total assets have a significant relationship with the amount of cash spent on investment activities. Finally, the results of comparing the research model based on the combination of artificial neural networks and particle cumulative motion optimization algorithm with other models showed that the development of the research model reduced the neural network training error with particle cumulative motion algorithm by 0.0560. Also, with the development of the research model, by entering accounting variables, the rock curvature level increases to 0.6164 and as a result, the accuracy of the research model increases to 63.602%.
تبلیغات
