پیش بینی ریسک سیستماتیک شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی

در این مقاله مدل شبکه عصبی مصنوعی(ANN) با سه مدل از تکنیک‌های خطی پیش بینی ریسک سیستماتیک با یکدیگر مقایسه می‌شوند که از اطلاعات مالی 82 شرکت پذیرفته شده در بورس اوراق بهادار تهران در طی سالهای 82 تا 87 استفاده شده است. اطلاعات مربوط به 24 متغیر مستقل (شامل 23 نسبت مالی و ریسک سیستماتیک سال جاری)مورد مطالعه قرار گرفت، که از بین آنها با استفاده از همبستگی پیرسون متغیرهای بهینه انتخاب گردید که مجموعاً 7 متغیر( 6 متغیر مربوط به نسبت های مالی و یک متغیر مربوط به ریسک سیستماتیک سال جاری) انتخاب شدند.متغیر وابسته ریسک سیستماتیک سال آینده می‌باشد.در نهایت مدل شبکه عصبی مصنوعی به طور جداگانه با مدل‌های خطی پیش‌بینی ساده ST ، بلوم و رگرسیون مورد مقایسه و آزمون قرار گرفت. نتایج تحقیق نشان می دهد که پیش‌بینی بدست آمده با استفاده از شبکه عصبی مصنوعی نسبت به سایر مدل‌های خطی ارائه شده دقیق‌تر می‌باشد.

نسبتهای مالی ،شبکه عصبی مصنوعی ،ریسک سیستماتیک