ارزیابی توان پیش بینی سود فصلی هر سهم با استفاده از مدل های سری زمانی و شبکه پرسپترون چندلایه (MLP)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارزیابی توان پیش بینی سود فصلی هر سهم با استفاده از مدل های سری زمانی و شبکه پرسپترون چندلایه (MLP) دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی توان پیش بینی سود فصلی هر سهم با استفاده از مدل های سری زمانی و شبکه پرسپترون چندلایه (MLP)  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 ارزیابی توان پیش بینی سود فصلی هر سهم با استفاده از مدل های سری زمانی و شبکه پرسپترون چندلایه (MLP)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی توان پیش بینی سود فصلی هر سهم با استفاده از مدل های سری زمانی و شبکه پرسپترون چندلایه (MLP) :

نام کنفرانس، همایش یا نشریه : مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)

تعداد صفحات :۲۴

پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظور از روش ها و مدل های متفاوتی به منظور پیش بینی سودهای آتی شرکت ها استفاده شده است. در این راستا، در پژوهش حاضر، مدل های سری زمانی توضیحی جمعی میانگین متحرک ARIMA و شبکه های عصبی مصنوعی از نوع پرسپترون چندلایه (MLP) مورد استفاده قرار گرفتند و پیش بینی ها برای سودهای فصلی شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران و بر اساس داده های فصلی سال های ۱۳۸۶ تا ۱۳۹۱ انجام پذیرفت. نتایج نشان داد که مدل شبکه های عصبی مصنوعی به طور معناداری، خطاهای کوچکتری را در پیش بینی نسبت به مدل های ARIMA ایجاد می کنند و درنتیجه پیش بینی سودهای فصلی این شرکت ها، توسط شبکه های عصبی مصنوعی و با روش MLP از توان بیشتری نسبت به ARIMA برخوردار است.

کلید واژه: سود فصلی هر سهم، شبکه پرسپترون چندلایه (MLP)، سری های زمانی ARIMA