درخت حوزه‌های تخصصی

مطالعات بسیاری به بررسی تأثیر متغیرهایی چون اندازه شرکت، افق پیش بینی سود، نسبت های اهرم مالی و سایر متغیرهای مؤثر بر دقت پیش بینی سود پرداخته اند. هدف این پژوهش، شناسایی عوامل مؤثر ارزیابی عملکرد (معیارهای مالی و غیرمالی) و بررسی تأثیر افشای آن ها بر صحت پیش بینی سود می باشد. معیارهای مالی شامل امتیاز افشای معیارهای مالی ارزیابی عملکرد از فرآیندهای داخلی، نوآوری و آموزش و رویکردهای محیطی و معیارهای غیرمالی شامل امتیاز افشای معیارهای غیرمالی ارزیابی عملکرد از دیدگاه سرمایه گذار، کارمندان، مشتریان، عرضه کنندگان و عملکرد اجتماعی حسب مورد خواهد بود. متغیرهایی چون واریانس بازده حقوق صاحبان سهام، رشد فروش، اندازه شرکت، ریسک سیستماتیک، نسبت بدهی، نقدینگی، رشد و سوددهی نیز مورد سنجش قرارگرفته اند. نمونة آماری این پژوهش شامل 118 شرکت پذیرفته شده در بورس تهران از سال 1391 تا سال 1393 می باشد. این پژوهش از جهت هدف، کاربردی و از نظر استنتاج توصیفی تحلیلی می باشد. در این پژوهش سطح افشای اطلاعات مربوط به ارزیابی عملکرد با استفاده از تحلیل محتوا از طریق جمله اندازه گیری می شود. نتایج نشان می دهد که میان افشای معیارهای مؤثر ارزیابی عملکرد و صحت پیش بینی سود و همچنین میان افشای معیارهای ارزیابی عملکرد غیرمالی و صحت پیش بینی سود رابطة معنادار وجود دارد.

در بازارهای سرمایه عامل های مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عاملهای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم ترین مسائلی است که هر سهام دار یا سرمایه گذار در بازار بورس بایستی به آن توجه ویژه داشته باشد. تاکنون روشهای مختلفی جهت نیل به این اهداف معرفی شده اند که اغلب روشهای آماری، هوشمند و ترکیبی هستند. الگوریتم پیشنهادی یک روش ترکیبی است که شامل دو بخش است بخش اول پیش پردازش و بخش دوم پیش بینی کننده است. در پیش پردازش سه فرآیند جاگذاری داده های غیر موجود، نرمالیزه کردن و انتخاب ویژگی به ترتیب انجام می شود. از آنجایی که تعداد ویژگی های بکار برده شده زیاد است از روش الگوریتم ژنتیک برای انتخاب ویژگی و کاهش ابعاد فضای ویژگی استفاده شده است. در بخش پیش بینی کننده، با توجه به قابلیت پیش بینی هوشمند شبکه عصبی - فازی، از این شبکه با دو ساختار ممدانی و سوگنو بعنوان پیش بینی کننده قیمت سهام بهره می بریم که قابلیت استخراج قواعد فازی بصورت خودکار دارد. آموزش پارامترهای مقدمه و نتیجه شبکه برپایه الگوریتم پس انتشار خطا (گرادیان نزولی) می باشد. الگوریتم پیشنهادی با استفاده از داده های 10 شرکت که هر کدام از آنها دارای 7 ویژگی می باشند، ارزیابی شده است. نتایج شبیه سازی نشان می دهد که با توجه به نوع شرکتها، ویژگیهای انتخابی و نوع ساختار شبکه عصبی فازی ترکیبی نتایج متفاوتی بدست می آید. با توجه به معیارهای مورد ارزیابی، نتایج به دست آمده برتری شبکه عصبی فازی ترکیبی را به شبکه عصبی فازی ساده نشان می دهد، اما بطور کلی پیش بینی کننده با ساختار سوگنو با الگوریتم ژنتیک دارای عملکرد بهتری نسبت به ساختار ممدانی دارد، چون تعداد پارامترهای آموزش ساختار سوگنو بیشتر است.

نرخ ارز یکی از مهم ترین عواملی است که بازده سهام را تحت تأثیر قرار می دهد. لذا این مطالعه اثر شوک های ارزی را بر بازده سهام در ایران بر اساس داده های 52 شرکت پذیرفته شده در بورس اوراق بهادار تهران در سال های 1385−1390 مطالعه می کند. الگوی واریانس ناهمسانی شرطی اتورگرسیو تعمیم یافته (GARCH) برای استخراج شوک های ارزی استفاده شده است. افزون بر این رویکرد داده های تابلویی نیز برای به دست آوردن رابطه بین شوک های ارزی و بازده سهام به کار گرفته شده است. نتایج مطالعه بیانگر این است که شوک های نرخ ارز و تولید ناخالص داخلی آثار معنا دار مثبت بر بازده بازار سهام ایران دارند؛ اما شاخص قیمت مصرف کننده اثر معنا دار منفی بر بازده بازار سهام دارد.