انتخاب مؤلفه های تأثیرگذار بر پیش بینی سود آتی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل ترکیبی شبکه ی عصبی و الگوریتم ژنتیک مقاله

تصمیم‌گیری همواره،یکی از مهم‌ترین وظایف مدیر بوده،در این بین،پیش‌بینی نتایج ورودی‌ به سیستم و در حقیقت،نتایج شقوق مختلف تصمیم،جزء دغدغه‌های اصلی فرایندهای‌ بهینه‌سازی تصمیم بوده است.از سوی دیگر،شناسایی عواملی که بر خروجی تصمیم یا نتیجه‌ی پیش‌بینی تأثیر گذارند اهمیت دارند؛چرا که با شناسایی این عوامل می‌توان مدل‌ مناسبی برای پیش‌بینی تدوین و سپس،کسب نتیجه از آن اقدام نمود.یکی از عوامل مهم برای‌ تصمیم‌گیری سرمایه‌گذاران در مورد با خرید و فروش سهام یک شرکت،پیش‌بینی سود نقدی سهام بوده،در این مورد می‌توان از صورت‌های مالی در جایگاه ابزاری برای این‌ پیش‌بینی استفاده نمود؛بدین ترتیب که نسبت‌هایی را از صورت‌های مالی استخراج نموده،بر اساس آنها،مدلی برای پیش‌بینی سود آتی سهام توسعه داد و در نهایت تصمیم گرفت. در این مقاله سعی شده با استفاده از الگوریتم ژنتیک‌1و تلفیق آن با شبکه‌ی عصبی‌ مصنوعی‌2،عوامل موثر بر پیش‌بینی سود آتی سهام(شامل نسبت‌های استخراج شده از صورت‌های مالی)شناسایی شده،در نهایت،این متغیرهای مؤثر بر خروجی،در مدلی که به‌ مدد شبکه‌ی عصبی طراحی و برای پیش‌بینی سود آتی سهام به کار گرفته شوند.برای‌ مورد کاوی،به پیش‌بینی سود نقدی سهام 194 شرکت پذیرفته شده،در بورس توجه شده و 24 متغیر موجود در صورت‌های مالی که بر اساس نظر خبرگاه در تغییرات سود نقدی‌ سهام دخالت دارند،به مدل وارد شده‌اند.در نهایت،مدل ترکیبی با توجه به دینامیسم‌ موجود بین متغیرهای ورودی،ده متغیر را به عنوان ترکیب بهینه‌ی متغیرهای تأثیرگذار انتخاب نموده که در مرحله‌ی دوم،به یک شبکه‌ی عصبی که برای پیش‌بینی طراحی شده، وارد شده‌اند و خطای حاصل از پیش‌بینی مبنای مقایسه با دیگر روش‌ها قرار گرفته است.

"دو فصلنامه‌ی علمی-پژوهشی‌ جستارهای اقتصادی‌ س 5،ش 10،پاییز و زمستان 1387 صفحات 163-201 Biquarterly Journal of Economic Essays Vol,No. 10,Autumn Winter 2008 انتخاب مؤلفه‌های تأثیرگذار بر پیش‌بینی سود آتی سهام‌ شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده‌ از مدل ترکیبی شبکه‌ی عصبی و الگوریتم ژنتیک پیام مکوند* جواد جعفر علی جاسبی** سید حسن علوی***چکیده تصمیم‌گیری همواره،یکی از مهم‌ترین وظایف مدیر بوده،در این بین،پیش‌بینی نتایج ورودی‌ به سیستم و در حقیقت،نتایج شقوق مختلف تصمیم،جزء دغدغه‌های اصلی فرایندهای‌ بهینه‌سازی تصمیم بوده است. یکی دیگر از کاربردهای‌ شبکه‌های عصبی،در حوزه‌ی موضوعات اقتصادی،استفاده از آنها در پیش‌بینی‌ ورشکستگی است که از آن جمله می‌توان به کار کمیجانی و سعادت‌فر(1385)در پیش‌بینی ورشکستگی اقتصادی شرکت‌های حاضر،در بورس اوراق بهادار تهران اشاره‌ نمود،همان‌طور که در خلاصه‌ی تحقیقات انجام شده،در حوزه‌ی پیش‌بینی‌های اقتصادی‌ با استفاده از مدل‌های غیر خطی و هوشمند مشاهده می‌شود،استفاده از مدل‌های هوش‌ مصنوعی و حتی ترکیبی و ترکیب الگوریتم ژنتیک و شبکه‌ی عصبی سابقه دارد؛اما مدل‌ ارایه شده در مقاله‌ی حاضر،با استفاده از ترکیب این دو روش،به شناسایی مؤلفه‌های مؤثر بر تصمیم،در حوزه‌ی اقتصاد اقدام نموده،تنها به پیش‌بینی اکتفا نمی‌نماید. سؤالی که در اینجا پیش می‌آید این است که‌ به غیر از رقم سود،سایر اطلاعات و ارقام صورت‌های مالی که حسابداری تعهدی آنها را ارایه می‌کند،به ماهیت سود نقدی سهام مربوط می‌شود یا خیر؟ از نظر تئوری،با فرض بازار سرمایه‌ی کامل‌5،تا زمانی که طرح‌های سرمایه‌گذاری‌ با بازدهی بیش از هزینه‌ی مورد نیاز آنها برای شرکت وجود داشته باشند،شرکت برای‌ تأمین مالی آنها از عایدات نگهداری شده استفاده خواهد کرد و اگر پس از تأمین مالی‌ (1)."