مقاله مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران دارای ۳۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله مقایسه دقت رویکردهای ماشین بردار پشتیبان و شبکههای عصبی مصنوعی در پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران :
تعداد صفحات :۳۸
سهامداران جهت گرفتن تصمیمهای سرمایهگذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیشبینی شده هر سهم از نظر استفادهکنندگان با اهمیت تلقی میشود. از طرفی شرکتها برای جذب سرمایهگذاران سعی میکنند سود هر سهم را با بیشترین دقت پیشبینی کنند. بنابراین، مقاله حاضر به دنبال ارائه مدلی جهت بهبود پیشبینی سود هر سهم شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکردهای نوین هوش مصنوعی است. برای این منظور ابتدا عوامل مؤثر بر سود هر سهم سال آتی از پژوهشهای داخلی و خارجی استخراج شد، سپس با استفاده از اطلاعات مالی شرکتهای نمونه در بازه زمانی سالهای ۱۳۸۴ تا ۱۳۹۱ و بهکارگیری روش ماشین بردار پشتیبان و شبکههای عصبی مصنوعی، مدلیهایی جهت پیشبینی سود هر سهم طراحی گردید. مدل ماشین بردار پشتیبان توانست سود هر سهم سال آتی شرکتهای نمونه را با میزان خطای مطلوب ۵ درصد پیشبینی کند. این مدل سود هر سهم سال جاری را با ضریب تأثیر ۲۵ درصد بهعنوان مؤثرترین متغیر برای پیشبینی سود هر سهم آتی معرفی میکند. همچنین نتایج نشان میدهد که مدل ماشین بردار پشتیبان در مقایسه با مدل شبکههای عصبی مصنوعی عملکرد مشابهی دارد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.