مطالب مرتبط با کلیدواژه

پیش بینى


۱.

نسبتهاى مالى و پیش بینى بحران مالى شرکتها در بورس اوراق بهادار تهران

کلیدواژه‌ها: بورس اوراق بهادار تهران نسبتهاى مالى پیش بینى ورشکستگى بحران مالى

حوزه های تخصصی:
تعداد بازدید : ۱۴۱۱
دراین مقاله قدرت نسبتهای مالى جهت پیش بینى بحران مالى شرکتها مورد بررسى قرار گرفته است. براى این منظور از مدل رگرسیون چندگانه استفاده شده، مدلى جهت پیش بینى بحران مالى در شرکتهاى پذیرفته شده در بورس اوراق بهادارتهران ارائه شده است. برآورد مدل با استفاده از اطلاعات دو گروه از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران صورت گرفته است.گروه اول متشکل از 30 شرکت فاقد بحران مالى بوده، گروه دوم نیز مشابه گروه اول متشکل از 30 شرکت داراى بحران مالى بوده اند. مدل ارائه شده باتوجه به پنج نسبت بوده که نسبتهای مذکور نشاندهنده نقدینگى، سودآوری، مدیریت بدهى، مدیریت دارائى مى باشند. نتایج آماری مدل حاکى ازمتغیر بودن مدل، نسبتهای انتخاب شده بوده است. نتایج آزمون توانایى پیش بینى مدل نشان دهنده این، واقعیت است که مدل قادر است تا 3 سال قبل از بحران مالى در شرکتها، پیش بینى صحیحى درخصوص بحران مالى ارائه دهد.
۲.

ارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: رگرسیون چند متغیره پیش بینى شبکه های عصبی تخمین سری زمانی مدلسازی شبکه هاى عصب قابلیت پیش بینی تحلیل های غیر خطی سری های زمانی فرآیند های تصادفی فرآیند های آشوب بعد فرکتالی

حوزه های تخصصی:
تعداد بازدید : ۳۲۷۱ تعداد دانلود : ۱۴۱۹
در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آمده رسم شده اند. با استفاده از پیش پردازش های اشاره شده، نشان داده می شود که قیمت و بازده سهام (درهر 6 سهم مربوط به صنایع مختلف) از نگاشتهای پیچیده غیرخطی و آشوبگرانه به وجود آمده اند و اساساً از روشهای غیرخطی شبکه های عصبی به خودی خود و به شکل متعارف بهبود قابل ملاحظه ای را به دنبال ندارد. با ارائه پیشنهاد ساختار جدید، می توان قیمت و بازده را به خوبی در دو حالت پیش بینی روز بعد و پیش بینی سی روز بعد تخمین زد.
۳.

ارزیابی روش های پیش بینی ترکیبی : با رویکرد شبکه های عصبی - کلاسیک در حوزه اقتصاد(مقاله علمی وزارت علوم)

کلیدواژه‌ها: شبکه های عصبی مصنوعی رگرسیون چند متغیره پیش بینى سریهای زمانى پیش بینى ترکیبی

حوزه های تخصصی:
تعداد بازدید : ۳۷۶۸ تعداد دانلود : ۲۱۶۲
در إین مقاله با استفاده از اطلاعات سرى زمانى قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینى قیمت سهام و نیر ارائه مدل بهینه پرداخته مى شود. روشهاى پیش بینى مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهاى پیش بینى براساس مدلهاى خطى (کوتاه مدت و بلندمدت)، روشهاى پیش بینى براساس مدلهاى غیرخطى (شبکه هاى عصبى غیرخطى) و مدل شبکه عصبى با ساختار پیشنهادى. در هر مورد نتایج به دست آمده رسم شده اند. با استفاده از پیش پردازش هاى اشاره شده، نشان داده مى شودکه قیمت و بازده سهام (در هر 6 سهم مربوط به صنابع مختلف) از نگاشهاى پیچیده غیر خطى و آشوبگرانه به وجود آمده اند و اساسآ استفاده از انواع مختلف روشهاى خطى صحیح نمى باشد. همچنین نشان داده مى شودکه استفاده از روشهاى غیرخطى شبکه هاى عصبى به خودى خود و به شکل متعارف بهبود قابل ملاحظه اى را به دنبال ندارد. با ارائه پیشنهاد ساختار جدید، مى توان قیمت و بازده را به خوبى در دو حالت پیش بینى روز بعد و پیش بینى سى روز بعد تخمین زد.