پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 959 |
| تعداد مقالات | 7,901 |
| تعداد مشاهده مقاله | 13,358,100 |
| تعداد دریافت فایل اصل مقاله | 9,483,383 |
پیشبینی بازده سهام شرکت‌ها با استفاده از نسبت‌های مالی تحت رویکرد درخت تصمیم | ||
| راهبرد مدیریت مالی | ||
| مقاله 7، دوره 3، شماره 4 - شماره پیاپی 11، دی 1394، صفحه 125-146 اصل مقاله (3.95 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22051/jfm.2016.2349 | ||
| نویسندگان | ||
| علی محمد علیمحمدی1؛ محمد حسین عباسی مهر* 2؛ احمد جواهری3 | ||
| 1کارشناس ارشد حسابداری- دانشگاه آزاد اسلامی واحد قزوین | ||
| 2کارشناس ارشد حسابداری- دانشگاه شهید بهشتی | ||
| 3کارشناسی ارشد مدیریت مالی/ دانشکده علوم اقتصادی | ||
| چکیده | ||
| هدف از پژوهش حاضر این است که با استفاده از نسبت‌های مالی، به مدلی بر پایه نسبت‌های مالی برای پیشبینی بازده جاری و آتی شرکت‌ها دست بیابیم. در این پژوهش به‌منظور بررسی توانایی نسبت‌های مالی در تبیین بازده جاری و پیشبینی بازده آتی سهام، از روش درخت تصمیم استفاده شده است. در این روش مجموعه‌ای از شرط‌های منطقی به‌صورت یک الگوریتم با ساختار درختی برای پیشبینی و تبیین یک پیامد به‌کار می‌رود. از این رو مدلهای حاصل از چهار الگوریتم درخت تصمیم (شامل CHAID، ECHAID، QUEST و CRT) با استفاده از 70 درصد داده‌های پژوهش شکل گرفته و نتایج حاصل از آزمون آن‌ها در 30 درصد باقیمانده داده‌ها به‌وسیله معیارهایی نظیر صحت، دقت و جداول درهم‌ریختگی مقایسه شده است. از اطلاعات 317 شرکت پذیرفته شده بورس اوراق بهادار تهران طی سال‌های 1381 تا 1392 در این پژوهش استفاده شده است. نتایج به‌دست آمده نشان می‌دهد که الگوریتم‌های CRT و ECHAID در تبیین بازده جاری و الگوریتم CHAID در پیشبینی بازده آتی بهترین عملکرد را دارند. همچنین قدرت مدل‌ها در تبیین بازده جاری بیشتر از پیشبینی بازده آتی است. چون در هر دو حالت توانایی مدل‌ها از نظر آماری قابل اتکا نبوده، فرضیه برقراری ارتباط تبیینی بین نسبت‌های مالی طرح شده در این پژوهش و تغییرات بازده جاری و آتی سهام رد می‌شود. | ||
| کلیدواژه‌ها | ||
| پیشبینی بازده آتی؛ تبیین بازده جاری؛ نسبت‌های مالی؛ درخت تصمیم | ||
| عنوان مقاله [English] | ||
| Prediction of Stock Return Using Financial Ratios: A Decision Tree Approach | ||
| نویسندگان [English] | ||
| Ali mohamad Alimohamadi1؛ Mohammad husein Abbasimehr2؛ Ahmad Javaheri3 | ||
| 1islamic azad university of Qazvin | ||
| 2shahid beheshti uiversity | ||
| 3olome eghtesadi university | ||
| چکیده [English] | ||
| The purpose of this paper is to develop a model for prediction of present and prospect stock return using financial ratios. For this purpose, decision tree method was used. In this approach, a set of logical conditions in a hierarchical algorithmic model have been used for prediction or recognition of an event. Hereupon in this research, 70 percent of data were used to produce models in four popular decision tree algorithms (CHAID, ECHAID, QUEST and CRT) and the results of the tests were compared in 30 percent of residual of data with some of performance measures like accuracy, sensitivity and specificity. Information of 317 companies accepted in Tehran Stock Exchange was used in this study. The results indicated that ECHAID and CRT algorithms performed best in the prediction of present and CHAID algorithm in that of future. It was also shown that the models were better in that of present compared to that of future. The abilities of the models, however, were not significant in both cases. Accordingly, the hypothesis of the study was rejected. | ||
| کلیدواژه‌ها [English] | ||
| Prediction of stock return, indicate of contemporary return, financial ratios, decision tree algorithm | ||
| مراجع | ||
|
- آهنگری، مهناز. (1390) بکارگیری الگوریتم درخت تصمیم جهت پیشبینی شرکت‌های ورشکسته و غیر ورشکسته پذیرفته شده در بورس اوراق بهادار تهران. اولین کنفرانس ملی دانش پژوهان کامپیوتر و فناوری اطلاعات، تبریز، دانشگاه تبریز. - باقرپور ولاشانی، محمد علی؛ ساعی، محمد جواد؛ مشکانی، علی؛ باقری، مصطفی. (1391) پیشبینی گزارش حسابرس مستقل در ایران، رویکرد داده کاوی. تحقیقات حسابداری، 19، صص 134-150. - باقری، مصطفی؛ سلیمانی مارشک، مجتبی؛ مرادی، مهدی. (1390). بررسی عوامل مؤثر بر بهنگامی گزارش گری مالی با استفاده از تکنیک های شبکه عصبی مصنوعی و درخت تصمیم. پژوهشهای تجربی حسابداری، 3، 159-177. - بهنام‌پور، ناصر؛ حاجی زاده، ابراهیم؛ سمنانی، شهریار؛ زایری. (1392). معرفی الگوریتم های مدل رده‌بندی درختی و کاربرد آن در تعیین عوامل مؤثر بر ابتلا به سرطان مری در استان گلستان. جرجانی، 2، صص 46-55. - حجازی، رضوان؛ محمدی، شاپور؛ اصلانی، زهرا؛ آقاجانی، مجید. (1391). پیشبینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. بررسی‌های حسابداری و حسابرسی، 68، صص 31-46. - دستگیر، محسن؛ شفیعی سردشت، مرتضی. (1390). فناوری داده‌کاوی؛ رویکردی نوین در حوزه مالی. دانش حسابرسی، 5، صص 6-27. - رستگار مقدم مؤدب، هیوا. (1390) پیشبینی مدیریت سود با استفاده از شبکه های عصبی مصنوعی و درخت تصمیم برای شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. رساله کارشناسی ارشد: دانشکده علوم اقتصادی. - زیبانژاد، یاسر؛ فروغی، داود؛ مونادجمعی، اکبر. (1390). اجرای فن درخت تصمیم برای پیشبینی ورشکستگی. دانش کامپیوتر و مهندسی اتوماسیون، 4، صص 165-169. - لگزیان، محمد؛ بقایی، جواد؛ همایونی راد، محمدحسین. (1390). بررسی تأثیر نسبت‌های مالی بر پیشبینی سود شرکت و بازده سهام. دو فصلنامه اقتصاد پولی، مالی، 1، صص 102-115. - مهرانی، ساسان؛ مهرانی،کاوه؛کرمی، غلامرضا. (1383). استفاده از اطلاعات تاریخی مالی و غیرمالی جهت تفکیک شرکت‌های موفق از ناموفق. بررسی‌های حسابداری و حسابرسی، 38، صص 77-92. - Altman, Edward I. (1968). Financial ratios, discriminant analysis and the predication of corporate bankruptcy. The Journal of Finance, 23(4), pp.589-609. - Beaver, William H. (1966). Financial ratios as predictors of failure. Empirical Research in Accounting: Selected Studies. Supplement to Journal of Accounting Research, 4, pp.71–111. - Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984). Classification and regression trees, New York: Chapman & Hall/CRC. - Chang, C. p. (2006). Managing business attributes and performance for commercial banks. Journal of American Academy of Business, 9(7), pp.104-109. - Cinca, C. S., Molinero, C. M., & Larraz, J. L. G. (2005). Country and size effects in financial ratios: A European perspective. Global Finance Journal, 16, pp.26-47. - Delen, Dursan, Kuzey, Cemil, Uyar, Ali, (2013). Measuring firm performance using financial ratios: A decision tree approach. Expert systems with application, 40, pp.3970-3985. - Gombola, Michael J., & Ketz, J. Edward. (1983). Financial ratio patterns in retail and manufacturing organizations. Financial Management, 12(2), pp.45-56. - Horrigan, James O. (1965). Some empirical bases of financial ratio analysis. The Accounting Review, 40(3), pp.558-568. - Karaca, S. S., & Çigdem, R. (2012). The effects of the 2008 world crisis to Turkish ˘certain sectors: The case of food, main metal, stone and soil and textile industries. International Research Journal of Finance and Economics , (88), pp.59-68. - Kass, G. (1980). An exploratory technique for investigating large quantities of categorical data. Applied Statistics, 29(2), pp.119-127. - Kirkos S. and Manolopoulos Y. (2004). Data Mining in Finance and Accounting: A Review of Current Research Trends, Proceedings of the 1st International Conference on Enterprise Systemsand Accounting (ICES Acc), Thessaloniki,Greece. - Kohavi; Provost. (1998). Glossary of terms, editorial for the special issue on applications of machine learning and the knowledge discovery process. Machine Learning, 30(2-3), pp.271-274. - Seifert ,Jeffrey W. (2004). Data Mining: An Overview. Available on line At: Www.Fas.Org/Irp/Crs/Rl31798.Pdf. - SPSS. (2007). Clementine12 User Manual, Chicago, IL - Uyar, A., & Okumus, E. (2010). Finansal Oranlar Aracılıg ˘ıyla Küresel Ekonomik Krizin Üretim S. irketlerine Etkilerinin Analizi:_IMKB’de Bir Uygulama, Muhasebe ve Finansman Dergisi. vol. 46, April 2010, pp. 146–156. - Wang, H., Jiang, Y., & Wang, H. (2009). Stock return prediction based on bagging- decision tree, In Proceedings of 2009 IEEE international conference on grey systems and intelligent services, November 10-12, Nanjing, China. - Wu, D., Liang, L., Huang, Z., Li, S. X.,(2005). Aggregated Ratio Analysis in DEA, International Journal of Information Technology & Decision Making , 4(3), pp.369-384. - Yu, G., & Wenjuan, G. (2010). Decision tree method in financial analysis of listed logistics companie, In 2010 International conference on intelligent computation technology and automation, Changsha-China. | ||
|
آمار تعداد مشاهده مقاله: 3,151 تعداد دریافت فایل اصل مقاله: 3,623 |
||