به کارگیری شبکه‌های عصبی در پیش‌بینی سودآوری شرکتها (شرکتهای عضو بورس اوراق بهادار تهران)

نویسندگان

1 دانشیار دانشگاه تربیت مدرس

2 استاد دانشگاه تربیت مدرس

3 کارشناسی ارشد حسابداری دانشگاه تربیت مدرس

چکیده

این پژوهش در مورد دستیابی به پیش‌بینی سودآوری آینده (شاخصی از عملکرد آینده) شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با کاربست شبکه‌های عصبی مصنوعی است. نمونه‌های مورد استفاده ما در این پژوهش 90 شرکت از مجموعه مورد اشاره فوق در بین سال‌های 1380 تا 1386 (720 شرکت - سال) می‌باشد و با توجه به چارچوب مقاله این تعداد به 630 شرکت - سال کاهش یافت. این شرکتها به دو مجموعه نمونه آموزشی شامل 540 شرکت – سال ابتدایی (شرکت – سالهای 80 تا 85) و برای ارزیابی اعتبار الگوی آموزش دیده، نمونه آزمایشی متشکل از 90 شرکت – سال انتهایی (شرکت – سال 86)، تفکیک شدند.
برای انجام پیش‌بینی سودآوری آینده شرکتها در ابتدا نیازمند تعیین متغیرهای پیش‌بینی کننده‌ای بود که برای این منظور از متغیرهایی که طی پژوهش‌های پیشین برای پیش‌بینی موفقیت یا عدم موفقیت شرکتها به کار رفته بودند، استفاده شده است. در مرحله بعد با برگزاری آزمون‌های آماری مناسب متغیرهای معنادار در پیش بینی سودآوری آینده تعیین شد. در نهایت تعداد 9 متغیر با استفاده از تکنیک تحلیل گام به گام انتخاب شد. نتایج این مطالعه نشان داد که به کارگیری شبکه‌های عصبی و 9 متغیر انتخاب شده، 99 درصد الگوبرداری صحیح در پیش‌بینی سودآوری شرکتها توسط گروه آموزشی را به دست می‌دهد و کاربست این الگو در گروه آزمایشی، 86 درصد صحت پیش‌بینی‌ها در طبقات سودآور و زیان‌آور آینده را رقم می‌زند.

-     آزاد، محمد، (1383)، محتوای اطلاعاتی پیش بینی سود شرکت ها، پایان نامه کارشناسی ارشد، دانشگاه علامه طباطبایی تهران.
-     اژدری، احمد، (1380)، پیش بینی قابلیت سودآوری شرکت‌ها با استفاده از نسبتهای مالی ، پایان نامه کارشناسی ارشد ، دانشگاه شیراز.
-     آقائی، محمدعلی، (1373)، رفتار سود حسابداری، رساله دکتری ،  تربیت مدرس تهران.
-     ایمانی برندق، محمد، (1385)، ارائه مدلی برای رابطه ی بین کیفیت سود و بازده سهام ،  رساله ی دکتری، تربیت مدرس تهران.
-     بهرامفر، نقی و ساعی، محمدجواد، (1385)، ارایه مدل برای پیش بینی عملکرد (مالی و بازار) شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از اطلاعات مالی منتشره ، بررسیهای حسابرسی و حسابداری ، ش 43 ، ص 45 تا 70.
-     خالوزاده، حمید ، (1377)، مدل‌سازی غیرخطی و پیش‌بینی رفتار قیمت سهام در بازار بورس ایران، رساله دکتری، دانشگاه تربیت مدرس تهران .
-     دادمهر، مهرداد، (1386)، بررسی احتمال سودآوری سهام شرکتهای پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از مدل اوهلسان، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی تهران مرکز.
-     شباهنگ، رضا، (1387)، تئوریهای حسابداری، نشر سازمان حسابرسی، مرکز تحقیقات تخصصی حسابداری و حسابرسی.
-     شهرابی فراهانی، مهدی، (1381)، قابلیت اتکاء نسبتهای سودآوری در پیش‌بینی سودآوری شرکتها، پایان نامه کارشناسی ارشد، دانشگاه علامه طباطبایی تهران.
-     فرج‌زاده دهکردی، حسن، (1386)،کاربرد الگوریتم ژنتیک در مدل‌بندی پیش‌بینی ورشکستگی، پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس تهران.
-     گودرزی، احمد، (1384)، بررسی تحلیلی ارتباط بین نسبتهای مالی با بازده سهام در شرکتهای پذیرفته‌شده در بورس اوراق بهادار تهران، پ‍ای‍ان‌ن‍ام‍ه‌ کارشناسی ارشد، دانشگاه آزاد واحد علوم تحقیقات تهران.
-     منافی، شهریار، (1385)، ارائه مدل پیش‌بینی در بازار بورس تهران، پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس تهران.
-     مومنی، منصور و فعال قیومی، علی، (1386)، تحلیلهای آماری با استفاده از SPPS، انتشارات کتاب نو.
-     مهرانی، ساسان؛ مهرانی، کاوه و کرمی، غلامرضا، (1383)، استفاده از اطلاعات تاریخی مالی و غیرمالی جهت تفکیک شرکتهای موفق و ناموفق،  بررسیهای حسابداری و حسابرسی، سال یازدهم، ش 38 ، ص77 تا 92.
-  Mészöly, A., and Levendovszky, T. (2011). A novel algorithm for performance prediction of web-based software systems . Performance Evaluation, Vol. 68, No. 2, pp. 45-57.
-  Andres, J., Landajo, M. and Lorca, P. (2005). Forecasting business profitability by using classification techniques: A comparative analysis based on a Spanish case. European Journal of Operational Research, Vol. 167, No. 3, pp. 518-542.
-  Beynon, M., Clatworthy, M. and Jones, M. (2004). The prediction of profitability using accounting narratives: a variable-precision rough set approach. Intelligent Systems in Accounting, Finance and Management, Vol. 12, No. 4, pp. 227-242.
-  Claver, E., Molina, J. and Tari, J. (2002). Firm and industry effects on firm profitability - a Spanish empirical analysis. European Management Journal, Vol. 20, No. 3, pp. 321-328.
-  Monica, L. (2004). Neural network techniques for financial performance prediction: integrating fundamental and technical analysis. Decision Support Systems, Vol. 37. No. 4, pp. 567-581.