دانش رسان |
مرکز علم و دانش کشور مقاله پیش بینی بازده سهام با استفاده از شبکه های عصبی مصنوعی و رگرسیون چندمتغیره(مطالعه ی موردی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران)
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله پیش بینی بازده سهام با استفاده از شبکه های عصبی مصنوعی و رگرسیون چندمتغیره(مطالعه ی موردی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران) دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله پیش بینی بازده سهام با استفاده از شبکه های عصبی مصنوعی و رگرسیون چندمتغیره(مطالعه ی موردی: شرکت های 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 پیش بینی بازده سهام با استفاده از شبکه های عصبی مصنوعی و رگرسیون چندمتغیره(مطالعه ی موردی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله پیش بینی بازده سهام با استفاده از شبکه های عصبی مصنوعی و رگرسیون چندمتغیره(مطالعه ی موردی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران) :
تعداد صفحات:۲۱
چکیده:
مفید بودن اطلاعات مالی ارائه شده در صورت های مالی باعث افزایش توان سرمایه گذاران در پیش بینی وضعیت شرکت می شود. در این میان بازده سهام به عنوان یکی از مبانی قیمت گذاری، اهمیت زیادی در پیش بینی ارزش شرکت دارد. از این رو هدف از این پژوهش،پیش بینی بازده سهام با استفاده از مدل رگرسیون و شبکه ی عصبی و مقایسه ی این دو مدل با یکدیگر است و از متغیر های سود عملیاتی، سود هر سهم، نسبت جاری و نسبت آنی برای پیش بینی بازده سهام استفاده شده است. جامعه ی آماری این پژوهش، ۴۵۲ شرکت پذیرفتهشده در بورس اوراق بهادار تهران م یباشد که از این بین ۲۴۶ شرکت به عنوان نمونه انتخاب شده اند. برای جمع آوری داده ها از نرم افزار رهاورد نوین ۳ و برای تحلیل داده ها از نرم افزار Neuro Solution و SPSS استفاده شده است. نتایج این پژوهش حاکی از آن است که هر دو مدل رگرسیون و شبکه ی عصبی توان پیش بینی بازده را دارند ولی شبکه ی عصبی نسبت به مدل رگرسیون در پیش بینی بازده ازکارایی بیشتری برخوردار است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
