۲۶٫۶۵-

۱۸

۴۴٫۲۹-

۴۰٫۶۰-

۳۲٫۵۱-

۱۹

۴۹٫۳۹-

۴۸٫۳۷-

۴۸٫۶۳-

۲۰

۶۰٫۵۷-

۵۵٫۷۷-

۵۱٫۱۱-

۲۱

۶۳٫۲۹-

۶۰٫۵۲-

۵۴٫۲۶-

پیش بینی ها در هر دو روش با دو رقم اعشار منظور شده اند.

چنانچه به مقادیر پیش بینی های دو روش در مقایسه با مقادیر واقعی بازده سهام در ۲۱ شرکت توجه شود نتیجه ای که حاصل می شود این است که پیش بینی های آزمایش شبکه عصبی در مقایسه با داده های واقعی درست تر و دقیق تر است. هر چند که در بعضی از مواردی مانند پیش بینی شرکتهای (۹،۱۱، ۱۶) پیش بینی شبکه عصبی با مقادیر واقعی تفاوت تقریبا زیادی دارد و به درستی عمل نکرده است ولی در مابقی موارد از دقت خوبی برخوردار است حال آنکه در مورد رگرسیون خطی پیش بینی ها از دقت کمتری برخوردار است. بنابراین شبکه عصبی مصنوعی برآورد بهتری از بازده سهام در مقایسه با رگرسیون خطی دارد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

فصل پنجم

نتیجه گیری

۵-۱: مقدمه

امروزه پیش بینی وضعیت آینده شرکت ها به موضوعات جذاب برای سرمایه گذاران و صاحبان سرمایه تبدیل شده است. قیمت و بازده سهام دو شاخص عمده و پرکاربرد هستند که همواره مورد توجه تحلیلگران بازار سرمایه قرار گرفته است. در همین راستا پژوهش حاضر با هدف پیش بینی قیمت و بازده سهام با بهره گرفتن از شبکه های عصبی مصنوعی و مقایسه آن با رگرسیون خطی به بررسی پیرامون شرکت های سرمایه گذاری پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. به همین منظور تعداد ۲۱ شرکت سرمایه گذاری که همگی پذیرش بورس اوراق بهادار تهران را داشتند مورد بررسی قرار گرفته است. قلمرو زمانی پژوهش نیز فاصله سال های ۱۳۸۵ الی ۱۳۹۱ به مدت ۷ سال را شامل می شود که اسناد و مدارک مثبته مربوط به شرکت ها در همین سال ها مورد بررسی قرار گرفته است. تجزیه و تحلیل آماری پزوهش به منظور یافتن پاسخ فرضیه ها به صورت تجزیه و تحلیل توصیفی و استنباطی صورت گرفته است. در ادامه، تحلیل یافته های پژوهش و پیشنهادات کاربردی به عنوان آخرین مراحل پژوهش فوق ارائه می گردد.

۵-۲: نتیجه گیری و تحلیل یافته های پژوهش

همانطور که عنوان گردید هدف از پژوهش حاضر پیش بینی قیمت و بازده سهام با بهره گرفتن از شبکه های عصبی مصنوعی و مقایسه آن با رگرسیون خطی در میان شرکتهای سرمایه گذاری پذیرفته شده در بورس اوراق بهادار تهران بوده است. بدین منظور اهداف اصلی پژوهش به صورت ذیل تعریف گردید:
پیش بینی قیمت و بازده سهام با بهره گرفتن از شبکه های عصبی مصنوعی امکان پذیر است.
شبکه عصبی مصنوعی در مقایسه با رگرسیون خطی، برآورد بهتری از قیمت و بازده سهام دارد.
پژوهش حاضر از شبکه عصبی پرسپترون که از نوع شبکه های عصبی مصنوعی پیشخور می باشد، جهت مدلسازی پژوهش استفاده کرده است. نتایج پژوهش در کل نشان دهنده تایید فرضیه های پژوهش است. بدین صورت که امکان پیش بینی قیمت و بازده سهام با بهره گرفتن از شبکه های عصبی مصنوعی وجود دارد و نیز شبکه عصبی مصنوعی در مقایسه با رگرسیون خطی، برآورد بهتری از قیمت و بازده سهام دارد.
در آزمون فرضیه مربوط به پیش بینی قیمت و بازده سهام، فرضیه اصلی اول؛ چنانچه ملاحظه شد مقادیر خطاها و همچنین R Square و Performance در مجموعه نمونه های تایید و آزمایش شده برای قیمت و بازده سهام به یکدیگر نزدیک بوده و البته بطور کلی از کارایی بسیار بالایی برخودار می باشند. بنابراین شبکه عصبی به میزان ۹۹/۰ قابلیت پیش بینی قیمت و بازده سهام را دارد.
از طرف دیگر، در آزمون فرضیه مربوط به کارایی شبکه عصبی مصنوعی در مقایسه با رگرسیون خطی، فرضیه اصلی دوم، چنانچه به مقادیر پیش بین های دو روش در مقایسه با مقادیر واقعی بازده سهام در ۲۱ شرکت توجه شود نتیجه ای که حاصل شده این است که پیش بینی های آزمایش شبکه عصبی در مقایسه با داده های واقعی درست تر و دقیق تر است. هر چند که در بعضی از مواردی پیش بینی شبکه عصبی با مقادیر واقعی تفاوت تقریبا زیادی دارد و بدرستی عمل نکرده است ولی در مابقی موارد از دقت خوبی برخوردار است حال آنکه در مورد رگرسیون خطی پیش بینی ها از دقت کمتری برخوردار است، بنابراین شبکه عصبی مصنوعی برآورد بهتری از قیمت و بازده سهام در مقایسه با رگرسیون خطی دارد. چنین استنباط می شود که شبکه عصبی در براورد مقدار ضریب تبیین و کاهش مقدار خطا بسیار موفق تر عمل کرده است، بنابراین حاکی از برآورد بهتر شبکه عصبی دارد.