نوع مقاله : مقاله پژوهشی

نویسندگان

• غلامرضا منصورفر ¹
• فرزاد غیور ¹
• شبنم خالق پرست اطهری ²

¹ عضو هیأت علمی دانشگاه ارومیه

² کارشناسی ارشد حسابداری دانشگاه ارومیه

چکیده

هدف تحقیق حاضر بررسی مقایسه ای توانایی اطلاعات حسابداری جهت پیش بینی نوسان شاخص های بورس اوراق بهادار با استفاده از روشهای هوشمند ماشین بردار پشتیبان و شبکه عصبی مصنوعی و روش کلاسیک رگرسیون لجستیک می باشد. نمونه آماری تحقیق شامل 91 شرکت پذیرفته شده بورس اوراق بهادار تهران در قالب 9 صنعت در محدوده زمانی 1382 الی1391 است. با در نظر گرفتن 11 متغیر مالی شرکتی، نتایج مطالعه نشان می دهد که علیرغم توانایی پیش بینی 60% ی ماشین بردار پشتیبان و شبکه عصبی مصنوعی، بین نتایج واقعی و پیش بینی اختلاف معنی دار وجود است. نتایج حاصل از رگرسیون لجستیک نیز بیانگر این است که متغیرهای مالی منتخب در مجموع تنها قابلیت توضیح دهندگی 4% نوسان شاخص را دارند. می توان گفت با وجود برتری غیرقابل انکار مدلهای هوشمند نسبت به مدلهای کلاسیک، اطلاعات حسابداری به تنهایی نمی توانند توضیح دهنده خوبی برای نوسانات شاخص صنعت تلقی شوند.

کلیدواژه‌ها

• شاخص صنعت
• متغیرهای مالی شرکتی
• ماشین بردار پشتیبان
• شبکه عصبی مصنوعی

عنوان مقاله [English]

Predicting the Industry Index Volatility of Companies Listed in Tehran Stock Exchange, Emphasizing on Corporate Financial Variables Using Support Vector Machine

چکیده [English]

The purpose of the study is to investigate comparative ability of accounting information to predict indices volatility of companies listed in Tehran Stock Exchange using intelligent methods including Support Vector Machine, Artificial Neural Network and classic Logistic Regression model. Sample of study includes 91 companies listed in Tehran Stock Exchange which have been classified in 9 industry group during time period of 2003-3013. Considering 11 corporate financial variables, study results show that despite predicting ability of around 60% by Support Vector Machine and Artificial Neural Network, there is significant difference between actual and predicted results. Also, classic Logistic Regression model can explain only 4% industries’ indices volatility using selected 11 corporate financial variables. Finally, although intelligent methods are superior to classic methods, accounting information solely aren’t well-explainer variables for predicting industry index volatility and variety of variables such as financial, political, economical … are effective in predicting industry index volatility.

کلیدواژه‌ها [English]

• industry index volatility
• corporate financial variables
• Support Vector Machine
• Artificial Neural Network