مطالب مرتبط با کلیدواژه

تحلیل مالی


۱.

آشنایی با ویژگی های تحلیل مالی دوپونت

کلیدواژه‌ها: نسبت های مالی مدل دوپونت تحلیل مالی

حوزه‌های تخصصی:
تعداد بازدید : ۱۶۶۴۵ تعداد دانلود : ۶۱۷۲
حدود 85 سال پیش شرکت دوپونت، برای درک هرچه بیشتر عملکرد مالی شرکت خود استفاده از مدل و نموداری را آغاز کرد که به وسیله آن روابط متقابل بین نسبت های مالی نشان داده می شد. پس از آن تحلیل گران مالی از این نمودار استفاده کردند و بتدریج و با گذر زمان تغییراتی در آن دادند تا آن را با وضع صنایع و سازمان های موردنظر خود متناسب کنند. محور مدل دوپونت بر محاسبه بازده دارایی...
۲.

سودمندی اقلام صورت های مالی غیر از سود در پیش بینی سود

کلیدواژه‌ها: صورت های مالی متغیرهای حسابداری نسبت های مالی پیش بینی سود تحلیل مالی

حوزه‌های تخصصی:
تعداد بازدید : ۲۷۸۱ تعداد دانلود : ۱۲۹۸
"این مقاله با اتخاذ رویکرد پیش بینی سود، به ارائه شواهد تجربی در خصوص توان پیش بینی اقلام صورت های مالی می پردازد. نتیجه اکثر تحقیق های انجام شده این است که رفتار سود از فرآیند گشت تصادفی پیروی می کند و تغییرات سود قابل پیش بینی نیست. این مقاله نتایج تحقیقی را نشان می دهد که براساس آن، با استفاده از مدل های لاجیت، محتوای اطلاعاتی متغیرهای حسابداری در نمونه ای متشکل از 71 شرکت بورس اوراق بهادار در دوره زمانی 79-1370 مورد آزمون قرار گرفته است....."
۳.

نقش اطلاعات بنیادی حسابداری در پیش بینی بازده سهام

کلیدواژه‌ها: صورت های مالی متغیرهای حسابداری تحلیل مالی تحلیل بنیادی بازدهی سهام

حوزه‌های تخصصی:
تعداد بازدید : ۴۲۱۱ تعداد دانلود : ۲۱۰۴
"بازده سهام یکی از مفاهیم پیچیده است که مورد علاقه سرمایه گذاران و تصمیم گیرندگان می باشد. برای تبیین و پیش بینی بازده سهام مدل ها و نظریه های مختلفی شامل مدل قیمت گذاری دارایی های سرمایه ای(CAPM)، مدل های عاملی یا شاخصی (FM)، مدل آربیتراژ(APT)، تحلیل های فنی(TA) و تحلیل های بنیادی(FA) مطرح شده است. در تحلیل بنیادی بازده سهام تابعی از شرایط کلان اقتصادی، وضعیت صنعت و شرایط خاص شرکت می باشد. شرایط خاص شرکت شامل عملکرد و وضعیت مالی است که در قالب صورت های مالی اساسی ارائه می گردد. دانش حسابداری مدعی است که برای تصمیم گیرندگان اطلاعات سودمندی تهیه می کند. یکی از معیارهای سودمندی اطلاعات حسابداری، توان پیش بینی آن است. این پژوهش با انتخاب بازده سهام جهت پیش بینی، در صدد آزمون تجربی سودمندی اطلاعات حسابداری می باشد. هدف دیگر، ایجاد ارتباط بین متغیرهای حسابداری و اقتصادی می باشد که در صورت حصول نتیجه می توان از تجزیه و تحلیل صورت های مالی برای استخراج ارزش و بازده اقتصادی استفاده کرد. برای انتخاب متغیرهای حسابداری مرتبط با بازده، مدل قیاسی استوارت مبنای کار قرار گرفت و سپس عوامل تشکیل دهنده آن بسط داده شد. در نتیجه 42 متغیر مستقل انتخاب و مورد آزمون قرار گرفت. آزمون های آماری براساس رگرسیون های مبتنی بر مقادیر و علائم متغیرهای مستقل با نرم افزار SPSS به صورت گام به گام (Stepwise)، انجام گردید. مدل های رگرسیون برای دوره های80-1374، 78- 1374، 80- 1379 و همچنین تک تک سال های 1374 الی 1380 برای کل نمونه شامل 82 شرکت از صنایع مختلف برازش شد. این مدل ها برای دو صنعت سیمان و کانی غیر فلزی و شیمیایی و دارویی برای دوره های 78- 1374 و 80 -1379 نیز برازش شد. نتایج تجربی حاصل تأییدکننده توان پیش بینی اطلاعات حسابداری است. R2 تعدیل شده مدل های نمونه اصلی از 033/0 تا 665/0 متفاوت بود. ضرایب متغیرهای بازده دارایی ها (ROA)، بازده سرمایه گذاری ها(ROI)، رشد فروش به جمع دارایی ها (GSTTA)، رشد سود خالص به فروش (GNITS)، هزینه های مالی به فروش (FEXTS)، در 9 مدل معنادار بوده است. به عبارت دیگر این متغیرها سهم بیشتری (نسبت به سایر متغیرها) در پیش بینی بازده را داشته اند. بقیه متغیرهای پیش بینی کننده بازدهی در طول زمان همسان نبودند. استفاده از مدل های علائم به جای مدل های مقادیر باعث افزایش توان پیش بینی نشد. تنها متغیر رشد فروش به جمع دارایی ها (GSTTA) در هر دو مدل مقادیر و علائم مشترک بود. توان پیش بینی مدل های خاص صنعت، برای دو نمونه صنعت شیمیایی دارویی و سیمان و کانی غیرفلزی در هر یک از دوره های 78-74 و 80-79 نیز آزمون شد. R2 تعدیل شده مدل صنایع شیمیایی و دارویی در دوره های فوق به ترتیب 348/0 و 729/0 و همچنین در مدل صنایع سیمان و کانی غیرفلزی به تربیب 400/0 و 417/0 شد. نتایج حاصل از برازش مدل های خاص صنایع فوق به مراتب بهتر از نتایج مدل اصلی در دوره های مشبه بود. این پژوهش از طریق جمع آوری شواهد تجربی در خصوص سودمندی اطلاعات حسابداری و شناخت متغیرهای حسابداری مرتبط با بازدهی، می تواند در ارتقای دانش حسابداری، سهمی داشته باشد."
۴.

به کارگیری هوش مصنوعی برای ارتقاء دقت پیش بینی های مالی

نویسنده:

کلیدواژه‌ها: هوش مصنوعی پیش بینی های مالی فناوری های AI تصمیم گیری مالی حفاظت از داده ها اخلاق در AI تحلیل مالی ادغام فناورانه

حوزه‌های تخصصی:
تعداد بازدید : ۷۰ تعداد دانلود : ۴۳
این مقاله به بررسی چگونگی استفاده از هوش مصنوعی (AI) برای افزایش دقت پیش بینی های مالی می پردازد. با توجه به توسعه سریع فناوری های AI و کاربردهای گسترده آن در زمینه های مختلف، این مطالعه تمرکز خود را بر روی تأثیر این فناوری ها در بهبود تحلیل ها و پیش بینی های مالی قرار داده است. از طریق بررسی ادبیات موجود و مطالعه موردی های خاص، این مقاله به ارائه دیدگاهی جامع در مورد نقش AI در ارتقاء فرآیندهای تصمیم گیری مالی می پردازد. به علاوه، چالش ها و فرصت های ناشی از ادغام AI در سیستم های مالی مورد بحث قرار گرفته، و تأکید بر اهمیت شفاف سازی، اخلاق، و حفاظت از داده ها در استفاده از AI برای پیش بینی های مالی می شود. این تحقیق به سازمان ها و تصمیم گیرندگان مالی کمک می کند تا از فناوری های نوین به شکلی مؤثرتر در جهت بهبود دقت پیش بینی های خود بهره برداری نمایند.