تعداد نشریات | 20 |
تعداد شمارهها | 1,157 |
تعداد مقالات | 10,573 |
تعداد مشاهده مقاله | 45,916,123 |
تعداد دریافت فایل اصل مقاله | 11,583,653 |
الگوسازی و پیشبینی قیمت سهام شرکتهای صنایع دارویی و شیمیایی پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از الگوها و روشهای نوین | ||
حسابداری سلامت | ||
مقاله 1، دوره 4، شماره 3 - شماره پیاپی 13، مهر 1394، صفحه 1-19 اصل مقاله (270.55 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.30476/jha.2015.17121 | ||
نویسندگان | ||
امید امانداد* 1؛ دکتر مهدی صالحی2؛ دکتر محمدعلی فلاحی3 | ||
1کارشناسارشد حسابداری از دانشگاه فردوسی مشهد | ||
2استادیار حسابداری دانشگاه فردوسی مشهد | ||
3استاد اقتصاد دانشگاه فردوسی مشهد | ||
چکیده | ||
مقدمه: در این پژوهش از الگوی اقتصادسنجی و شبکه عصبی پایه شعاعی برای افزایش اثربخشی، کاهش هزینه و زمان روش تحلیل بنیادی در پیشبینی قیمت سهام شرکتهای صنایع مواد و محصولات دارویی، محصولات شیمیایی و وسایل اندازهگیری پزشکی و اپتیکی استفاده شده است. روش پژوهش: پژوهش حاضر کاربردی و طرح آن از نوع شبهتجربی است. جامعه آماری این پژوهش متشکل از 30 شرکت پذیرفتهشده در بورس اوراق بهادار تهران در بازه زمانی 1390-1384 است. ساخت الگو و تجزیه و تحلیل دادهها با استفاده از نرمافزار Eviews نسخه 7 و Clementine نسخه 12 انجام شده است. یافتهها: نتایج پژوهش نشاندهنده آن است که الگوی انتخابی شامل PC1 (جمع داراییهای جاری و جمع بدهیها)، PC2 (نسبت جاری، نسبت آنی، نسبت گردش داراییهای ثابت مشهود، حاشیه سود ناخالص، حاشیه سود عملیاتی و حاشیه سود خالص)، بازده سهام و سود هر سهم قدرت توضیحدهندگی بالایی برای پیشبینی قیمت سهام دارد. نتیجهگیری: شبکه عصبی در پیشبینی قیمت سهام از دقت خوبی برخوردار است. همچنین، مقایسه دقت دو الگو بیانگر دقت بیشتر شبکه عصبی پایه شعاعی نسبت به الگوی اقتصادسنجی دادههای تابلویی در پیشبینی قیمت سهام است. | ||
کلیدواژهها | ||
پیشبینی قیمت سهام؛ تحلیل بنیادی؛ دادههای تابلویی؛ شبکه عصبی پایه شعاعی؛ صنایع دارویی و شیمیایی | ||
مراجع | ||
1 Amandad, O.; Seyfi Ghobadi, H.; Baharlooyi, F.; and R. Hoseinipour (2014). “The Modeling and Prediction of Stock Prices in the Mining Industry in Tehran Stock Exchange”, Iranian Journal of Business and Econimics, Vol. 1, No. 2, pp. 41-50.
2 Motevasseli, M. and B. Taleb Kashefi (2006). “A Comparative Investigation of Power Neural Networks with the Inputs of Technical Analysis Indicators for Predicting Stock Prices”, Nameye Mofid Journal, Vol. 54, pp. 57-82. [In Persian]
3 Sinaie, H.; Mortazavi, S.; and Y. Teimuriye-asl (2005). “Predicting the Index of the Tehran Stock Exchange by Using Artificial Neural Networks”, The Iranian Accounting and Auditing Review, Vol. 12, No. 41, pp. 59-83. [In Persian]
4 Mohammadi, A. and H. Dastyar (2013). “The Evaluation of Pharmaceutical Companies Efficiency and Ranking them by Using Data Envelopement Window Analysis Approach”, Journal of Health Accounting, Vol. 2, No. 3, pp. 23-39. [In Persian]
5 Salehi, M. and F. Davtalabe Tousi (2014). “Investigating the Effect of Ownership Structure on the Firm Value of Pharmaceutical Companies Listed on the Tehran Stock Exchange via Panel Data Analysis”, Journal of Health Accounting, Vol. 3, No. 3, pp. 79-100. [In Persian]
6 Abbasi, E.; Ahmadi, S. H.; and E. Heydari (2013). “Ranking the Pharmaceutical Companies by Multi-Criteria Decision-Making Integrative Approach and Genetic Algorithm”, Journal of Health Accounting, Vol. 2, No. 1, pp. 57-77. [In Persian]
7 Tolouie Ashlaghi, A. and Sh. Haghdoust (2007). “Modeling the Prediction of Stock Prices by Using a Neural Network and Comparing with Mathematical Predictive Methods”, Economic Research, Vol. 25, pp. 237-252. [In Persian]
8 Ashrafzade, S. H. and N. Mehregan (2008). Econometric of Panel Data, 1st Edition, Tehran: Tehran University Research Cooperation Institute. [In Persian]
9 Aboie Mehrizi, A. (2006). “Stock Price Forecasting by Using Neural Networks ANFIS”, M. A. Thesis in Financial Management, Institute of Research and Planning Institute of Higher Education. [In Persian]
10 Abarbanell, J. and B. Bushee (1998). “Abnormal Returns to a Fundamental Analysis Strategy”, The Accounting Review, Vol. 73, No. 1, pp. 19-45.
11 Beygi, S. (2011). “Comparing the Technical and Fundamental Approach in Predicting Stock Price and Presenting a Combined Model by Intelligent Systems”, M. A. Thesis in Economy, University of Tabriz, The Faculty of Social Sciences and Humanities. [In Persian]
12 Mehrani, K. (2010). Stock Evaluation (Methods and Models): The Framework of Fundamental Analysis and Stock Value, 1st Edition, Tehran: Mehraban Publications. [In Persian]
13 Mahdavi, Gh. and K. Goudarzi (2011). “Presenting an Artificial Neural Network for Predicting the Systematic Risk by Using Macro Variables of Economics (A Case Study: Saipa Corporation)”, Journal of Economic Research, Vol. 11, No. 4, pp. 218-237. [In Persian]
14 Yadav, N.; Yadav, Sh.; and P. Dhanda (2013). “Stock Price Prediction Using Neural Network”, Journal of Harmonized Research, Vol. 1, No. 2, pp. 146-153.
15 Monajjemi, A.; Abzari, M.; and A. Raaiyati Shavazi (2009). “Predicting Stock Prices in the Tehran Stock Exchange by Using Fuzzy Neural Network and Genetic Algorithm and Comparing it with Artificial Neural Network”, Journal of Quantitative Economics, Vol. 3, No. 6, pp. 1-26. [In Persian]
16 Hatami, N.; Mirzazadeh, H.; and R. Ebrahimpour (2010). “The Combination of Neural Networks for Predicting Stock Price”, Journal of Economic Sciences, Vol. 10, No. 2, pp. 61-80. [In Persian]
17 Nazarian, R.; Gandali Alikhani, N.; Naderi, E.; and A. Amiri (2013). “Forecasting Stock Market Volatility: A Forecast Combination Approach”, Munich Personal RePEc Archive (MPRA), No. 46786, Posted. 7, Available at: http://mpra.ub.uni-muenchen.de/46786.[Online][14 May 2013]
18 Cao, Q.; Leggio, K. B.; and M. J. Schniederjans (2005). “A Comparison Between Fama and Frenchs Model and Artificial Neural Networks in Predicting the Chinese Stock Market”, Computers and Operations Research, Vol. 32, No. 10, pp. 2499-2512.
19 Desai, J.; Trivedi, A.; and N. Josh (2013). “Forecasting of Stock Market Indices Using Artificial Neural Network”, Working Paper, Available at: http://ssrn.com/abstract=2214219, pp. 1-18. [Online][14 May 2013]
20 Mayankkumar, B. P. and R. Y. Sunil (2014). “Stock Price Prediction Using Artificial Neural Network”, International Journal of Innovative Research in Science, Engineering and Technology, Vol. 3, No. 6, pp. 13755-13762.
21 Hafezia, R.; Shahrabib, J.; and E. Hadavandi (2015). “A Bat-Neural Network Multi-agent System (BNNMAS) for Stock Price Prediction: Case Study of DAX Stock Price”, Applied Soft Computing, Vol. 29, pp. 196-210.
22 Jolliffe, I. T. (2002). Principal Component Analysis (Springer Series in Statistics), 2nd Edition, New York: Springer Publications.
23 Salimifar, M.; Razmi, M.; and M. Abou-torabi (2010). “Investigating the Relationship between Indicators of Financial Development and Economic Growth in Iran”, Journal of Quantitative Economics, Vol. 7, No. 1, pp. 75-103. [In Persian]
24 Momeni, M. and A. Faalle-ghayyoumi (2012). Statistical Analyses by Using SPSS, 6th Edition, Tehran: Ata Zenouz Publications. [In Persian]
| ||
آمار تعداد مشاهده مقاله: 3,980 تعداد دریافت فایل اصل مقاله: 2,775 |