ارزیابی توان پیش‌بینی سود فصلی هر سهم بااستفاده ازمدل‌های سری زمانی و شبکه ی پرسپترون چند لایه MLP

پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظورازروش هاومدل های متفاوت به منظورپیش بینی سودهای آتی شرکت هااستفاده شده است. در این راستا، در پژوهش حاضر، مدل های سری زمانی توضیحی جمعی میانگین متحرک arimaوشبکه های عصبی مصنوعی از نوع پرسپترون چند لایه (mlp) مورداستفاده قرارگرفتند وپیش بینی هابرای سودهای فصلی شرکتهای پذیرفته شده دربازاربورس اوراق بهادارتهران وبراساس داده های فصلی سالهای 1386تا 1391انجام پذیرفت. نتایج نشان دادکه مدل شبکه های عصبی مصنوعی به طورمعناداری، خطاهای کوچکتری رادرپیش بینی نسبت به مدل هایarimaایجادمی کنندودرنتیجه پیش بینی سودهای فصلی این شرکت ها، توسط شبکه های عصبی مصنوعی وباروشmlp ازتوان بیشتری نسبت بهarimaبرخورداراست