تحقیق حاضر به پیشبینی بازده سهام در بورس اوراق بهادار تهران با دو مدل رگرسیون خطی و شبکههای عصبی مصنوعی با استفاده از متغیرهای حسابداری میپردازد. برای آزمون از اطلاعات 140 شرکت در دوره 1384- 1389 استفاده شده است. در این تحقیق، برای بررسی رابطه خطی و ارزیابی میزان سودمندی روشهای خطی از مدل رگرسیون تلفیقی با روش حداقل مربعات معمولی و همچنین برای بررسی رابطه غیرخطی و ارزیابی سودمندی روابط غیرخطی از مدل شبکه عصبی بر مبنای معماری پرسپترون چند لایه (MLP) با الگوریتم پس انتشار خطا، استفاده شده است. برای ارزیابی نتایج دو مدل از معیارهای ضریب تعیین، مربع میانگین خطای استاندارد، مربع مجذور میانگین خطا، مربع میانگین خطای استاندارد نرمال شده و میانگین قدرمطلق خطا استفاده شد. نتایج تحقیق حاکی از موفقیت این دو مدل در پیشبینی رفتار بازده سهام مورد نظر و برتری مدل شبکههای عصبی مصنوعی بر مدل رگرسیون است. به بیان دیگر، پیشبینی بازده سهام با استفاده از متغیرهای حسابداری با رویکرد شبکه عصبی میتواند خطای پیشبینی را نسبت به روش خطی رگرسیون حداقل مربعات کاهش دهد.
Sajadi S H, Osta S, Gheitasi R. Predicting Stock Return Using Accounting Variables with Linear Regression Approach and Artificial Neural Network. 3 2011; 1 (2) :83-104 URL: http://mta.raja.ac.ir/article-1-41-fa.html
سجادی حسین، استا سهراب، قیطاسی روح اله. پیشبینی بازده سهام با استفاده از متغیرهای حسابداری بارویکرد رگرسیون خطی و شبکههای عصبی. 1. 1390; 1 (2) :83-104
