عنوان : ( مقایسه توان مدلهای آشوبی و شبکه عصبی مصنوعی در تبیین بازده غیرعادی سهام پیرامون تاریخ انتشار صورتهای مالی سالانه )
نویسندگان: ریحانه عنایتی طائبی , علیرضا مهرآذین , مهدی جباری نوقابی ,بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست
چکیده
امروزه مهمترین معیار ارزیابی عملکرد واحدهای تجاری، نرخ بازده سهام است. از آن جا که بشر علاقه زیادی به پیشبینی حوادث آینده دارد تا از طریق آن بتواند آثار ناشی از حوادث را به نحوی کنترل نموده و تبعات منفی ناشی از آن را به حداقل برساند، پیشبینی و تبیین قیمت و بازده سهام نیز همواره از موضوعات مورد توجه در حوزه آکادمیک می باشد. بنابراین در تحقیق حاضر، دادههای مربوط به بازده غیرعادی سهام 177 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1387 تا 1396 با استفاده از تجزیه و تحلیل تکنیکی و کشف روند گذشته پیرامون تاریخ انتشار صورتهای مالی سالانه بررسی گردید. همچنین به منظور پیشبینی بازده غیرعادی سهام از مدلهای آشوبی SETAR وLSTAR، مدل خطی AR و مدل شبکه عصبی مصنوعی (با به کارگیری سه عامل فاما-فرنچ) استفاده شد. در نهایت مدل شبکه عصبی مصنوعی به عنوان مدل بهینه انتخاب گردید.
کلمات کلیدی
, مدل آشوب, مدل شبکه عصبی مصنوعی, بازده غیرعادی سهام@article{paperid:1079453,
author = {ریحانه عنایتی طائبی and علیرضا مهرآذین and جباری نوقابی, مهدی},
title = {مقایسه توان مدلهای آشوبی و شبکه عصبی مصنوعی در تبیین بازده غیرعادی سهام پیرامون تاریخ انتشار صورتهای مالی سالانه},
journal = {تحقیقات حسابداری و حسابرسی},
year = {2020},
volume = {12},
number = {3},
month = {July},
issn = {2251-8428},
pages = {1--28},
numpages = {27},
keywords = {مدل آشوب، مدل شبکه عصبی مصنوعی، بازده غیرعادی سهام},
}
%0 Journal Article
%T مقایسه توان مدلهای آشوبی و شبکه عصبی مصنوعی در تبیین بازده غیرعادی سهام پیرامون تاریخ انتشار صورتهای مالی سالانه
%A ریحانه عنایتی طائبی
%A علیرضا مهرآذین
%A جباری نوقابی, مهدی
%J تحقیقات حسابداری و حسابرسی
%@ 2251-8428
%D 2020