Application of Neural Networks In Corporate’s Profitability Prediction

Authors

Abstract

Abstract
This study aims at profitability prediction of listed companies in Tehran Stocks Exchange (TSE), using Artificial Neural Network. The respected sample consists of 90 firms from 2002  to 2009 (720 firm/years). Attention to the framework of study reduced the number of 720 firm/years to 630 firm/years. These firms separated in two groups of learning sample (540 firm/years) and test sample (90 firm/years) to test generalization of the technique.
To develop profitability prediction, first, we needed to determine predictor variables. Profitability prediction literature was reviewed and a complete list of financial ratios for successful prediction in the past studies was prepared. Then, we reduced the list from a theoretical point of view, and we used SDA technique to select final financial ratios. Finally, we took 9 financial ratios to develop profitability prediction.
Using Artificial Neural Network (ANN) and applying 9 selected financial ratios, achieved 99% accuracy rate in the learning sample and 86% accuracy rate in the test sample for correct classification of the firms into profitability and nonprofitability groups one year before the real state.
 

References

-     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.
-     نمازی، محمد و کیامهر، مهدی، (1386)، پیش بینی بازده روزانه سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی ، تحقیقات مالی، پاییز و زمستان 1386، ش 24، ص 115 تا 135. 
-  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.

Files

History

  • Receive Date: 13 November 2012
  • Accept Date: 13 November 2012

Share

How to cite

Statistics