دانلود مقاله مقایسه شبکه عصبی مصنوعی و رگرسیون درپیش¬بینی ارزش افزوده اقتصادی پالایش شده در شرکت های پذیرفته شده در بورس اوراق بهادارتهران با pdf

توضیحات

  مقاله مقایسه شبکه عصبی مصنوعی و رگرسیون درپیش¬بینی ارزش افزوده اقتصادی پالایش شده در شرکت های پذیرفته شده در بورس اوراق بهادارتهران با pdf دارای 161 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه شبکه عصبی مصنوعی و رگرسیون درپیش¬بینی ارزش افزوده اقتصادی پالایش شده در شرکت های پذیرفته شده در بورس اوراق بهادارتهران با pdf  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مقایسه شبکه عصبی مصنوعی و رگرسیون درپیش¬بینی ارزش افزوده اقتصادی پالایش شده در شرکت های پذیرفته شده در بورس اوراق بهادارتهران با pdf،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه شبکه عصبی مصنوعی و رگرسیون درپیش¬بینی ارزش افزوده اقتصادی پالایش شده در شرکت های پذیرفته شده در بورس اوراق بهادارتهران با pdf :

1-1 مقدمه
توسعه بازارهای سرمایه با افزایش آگاهی سهامداران، فشار روی شرکت¬ها برای عملکرد بهتر را افزایش داده است. مدیران شرکت¬ها در حال حاضر دورانی را پیش روی دارند که آن¬ها را ملزم می-سازد، چارچوب اقتصادی جدیدی در شرکت¬های خود مستقر کنند که ارزش و سودآوری را بهتر منعکس کنند. سهامداران به عنوان مالکان واحد تجاری در پی افزایش ثروت خود هستند، با توجه به این¬که افزایش ثروت نتیجه عملکرد مطلوب واحد تجاری است،

ارزش¬یابی واحد تجاری برای مالکان دارای اهمیت فراوانی است. در ادبیات مدیریت،
شاخص¬های متفاوتی برای سنجش عملکرد از منظرهای مختلف ارائه شده است که مقاصد اهداف ارزیابی را مشخص می¬نماید. ارزیابی عملکرد از منظر جامع، یعنی نگاه همه جانبه به همه ابعاد، که در حقیقت نشانه¬های کارکردی مدیریت بنگاه را آشکار می¬سازد و بسیاری ضروری است. در این فصل ابتدا به بیان مساله پژوهش سپس اهمیت و ضرورت و اهداف تحقیق و چارچوب نظری و فرضیه¬ها می¬پردازیم.

2-1- بیان مساله
نقش اساسی مدیریت سازمان¬های نوین ارزش¬آفرینی برای همه افراد و نهادهایی است که به نوعی علایق و منافع خویش را در سازمان¬ها جستجو می¬کند.
در میان ذینفع¬های هر سازمان و بنگاه که به طور عمده از سهامداران، مشتریان، کارکنان، تامین-کنندگان کالا و جامعه و مراجع دولتی تشکیل می¬گردند، سهامداران به خاطر نقش محوری در کارآفرینی و شکل¬دهی بنگاه و همچنین ریسک از جایگاه ویژه¬ای برخوردارند. سهامداران همواره به دنبال راه¬هایی برای ارزیابی عمکلرد مدیران در جهت ثروت آفرینی برای شرکت و برآورد عملکرد آینده می¬باشند. عدم استفاده از معیارهای مناسب برای پیش بینی و ارزیابی عملکرد باعث جلوگیری از ارائه اطلاعات مناسب جهت تصمیم¬گیری خواهد شد.

معیارهای اندازه¬گیری عملکرد را با توجه به مفاهیم حسابداری و مفاهیم اقتصادی می¬توان به دو دسته حسابداری و اقتصادی تقسیم کرد. در معیارهای حسابداری، عملکرد سازمان با توجه به داده-های حسابداری ارزیابی می¬شود در حالی¬که در معیارهای اقتصادی، عملکرد سازمان با توجه به قدرت کسب سود دارایی¬های موجود و سرمایه¬گذاری بالقوه و با عنایت به نرخ بازده و نرخ هزینه سرمایه ارزیابی می¬گردد.
معیارهای حسابداری ارزیابی عملکرد شرکت عبارتند از:
سود، رشد سود، سود تقسیمی، جریان¬های نقدی، سود هر سهم و نسبت¬های مالی (شامل ROA، ROE و P/E، نسبت ارزش بازار به ارزش دفتری سهام و نسبت Q تدبین)
معیارهای اقتصادی ارزیابی عملکرد شرکت عبارتند از:

ارزش افزوده اقتصادی ، ارزش افزوده بازار ، ارزش افزوده اقتصادی تعدیل شده است.
ارزش افزوده اقتصادی (EVA) معیاری است که هزینه فرصت همه منابع به کار گرفته شده در شرکت را از سود خالص عملیاتی کسر می¬کند. به عبارتی EVA مثبت نشان¬دهنده تخصیص بهینه منابع و ارزش آفرینی برای سهامدارن است و EVA منفی نشان¬دهنده اتلاف منابع و از بین رفتن ثروت سهامداران است. با وجود مزایایی که این معیار دارد، به نظر می¬رسد که عاری از نقص نباشد. (کاوسی، ع 1382، 76)

فارغ از مشکلات مربوط به محاسبه آن مستلزم دسترسی به اطلاعات زیاد، انجام محاسبات پیچیده است، ایرادی که به ارزش افزوده اقتصادی (EVA) وارد می¬شود، اتکا این معیار بر ارقام تاریخی است. هر چند ارزش افزوده اقتصادی از اطلاعات قابل اتکا نیز استفاده می¬کند (ارزش دفتری) اما این اطلاعات لزوماً مربوط نیست در تلاش برای رفع این نقص، صاحبنظران مالی شکل تعدیل شده-ای از EVA را به عنوان ارزش افزوده اقتصادی تعدیل شده (REVA) مطرح کردند که به جای تأکید بر قابلیت اتکای اطلاعات به مربوط بودن اطلاعات تأکید دارد. به عبارت دیگر این معیار هزینه فرصت منابع به کار گرفته شده را بر مبنای بازار آن¬ها محاسبه می¬کند.

ذینفع¬های سازمان¬ها همیشه به پیش بینی وضعیت آینده علاقمند بوده و به دنبال روش¬هایی هستند که در پیش بینی وضعیت آینده دقیق¬تر، کاراتر و سریع¬تر عمل کنند. روش¬های میانگین در گرسیرن و مانند این¬ها الگوهایی بودند که برای پیش بینی استفاده می¬شوند.

شبکه عصبی مصنوعی روش محبوب برای پیش بینی قلمداد می¬شود. این روش محاسباتی از ارزیابی تکنولوژیکی استفاده کرده و نیازی به الزامات خاص برای متغیرهای پیش بینی ندارد. مزیت اصلی شبکه عصبی مصنوعی قابلیت مدل¬سازی غیر خطی و انعطاف¬پذیریشان است. در این گونه از شبکه¬ها دیگر نیازی به تشخیص شکل خاص مدل نبوده و مدل بر اساس اطلاعات موجود در داده¬ها شکل

می¬گیرد (صابری، ح 1388، 51) (پویان¬فر و همکاران، 1389، 76).
مسئله اساسی تحقیق این است که مدل پرستپرون چند لایه شبکه عصبی مصنوعی (MLP) با استفاده از نسبت¬های مالی می¬تواند در پیش بینی ارزش افزوده اقتصادی پالایش شده نسبت به رگرسیون کاراتر عمل کند یا خیر؟

3-1 تاریخچه مطالعاتی
تحقیقات انجام شده پیرامون معیارهای ارزیابی عملکرد
در ایران، نظریه (1379) با انجام پژوهشی با عنوان «ارزیابی رابطه بین سود هر سهم و ارزش افزوده اقتصادی در شرکت¬های تولید کننده محصولات کانی غیر فلزی در بورس اوراق بهادار تهران در طی سال¬های 1377-1372»، به این نتیجه رسید که با 99 درصد اطمینان می¬توان بیان کرد که بین معیار ارزش افزوده اقتصادی و سود هر سهم همبستگی وجود ندارد
طالبی و جلیلی (1381) در پژوهش خود با عنوان «کاربرد اطلاعاتی ارزش افزوده اقتصادی در ارزیابی عملکرد مالی شرکت¬های پذیرفته شده در بورس اوراق بهادار تهران در سال¬های 1376 و 1377»، به این نتیجه رسیدند که بین ارزش افزوده اقتصادی و بازده سهام، ارتباط معناداری وجود ندارد

شریعت (1382) در پژوهشی به «بررسی رابطه ارزش افزوده اقتصادی و سود حسابداری شرکت-های خودروسازی پذیرفته شده در بورس اوراق بهادار تهران طی سال¬های79-1374 پرداخت. نتایج پژوهش وی نشان داد که ارتباط معناداری بین ارزش افزوده اقتصادی و سود حسابداری وجود دارد. از سوی دیگر در این پژوهش، ارتباط بین ارزش افزوده اقتصادی و قیمت سهام نیز مورد تایید قرار گرفت، به طوری که این ارتباط قوی¬تر از رابطه بین سود و قیمت سهام است.

استفاده از مدل ارزش افزوده اقتصادی پالایش شده در پژوهش¬ها برای اولین بار در سال 1997 توسط جفری باسیدور آغاز شد. باسیدور و همکاران در پژوهش خود رابطه بین ارزش افزوده اقتصادی و ارزش افزوده اقتصادی پالایش شده را با بازده غیر عادی سهام برای نمونه¬ای شامل ششصد شرکت آمریکایی در دوره زمانی 1992-1982 میلادی بررسی کردند.
پژوهش آنان به دنبال پاسخ این سوال بود که چگونه ارزش افزوده اقتصادی و ارزش افزوده اقتصادی پالایش شده با خلق ارزش برای سهامداران ارتباط دارد.نتیجه پژوهش آنان نشان داد که ارزش افزوده اقتصادی و ارزش افزوده اقتصادی پالایش شده، هر دو دارای رابطه مثبتی با بازده غیرعادی سهام بودند و رابطه مزبور در سطح یک درصد معنادار بود. همچنین، ارزش افزوده اقتصادی پالایش شده، بهتر بازده غیر عادی را پیش بینی می¬کرد. بنابراین، ارزش افزوده اقتصادی پالایش شده در زمینه توضیح تغییرات بازده غیر عادی و پیش¬بینی آن، بهتر از ارزش افزوده اقتصادی عمل می¬کند. به نظر باسیدور و همکاران، بهتر است از ارزش افزوده اقتصادی پالایش شده برای ارزیابی عملکرد سطوح بالای سازمان و از ارزش افزوده اقتصادی برای ارزیابی عملکرد سطح پایین¬تر سازمان استفاده شود.
تحقیقات انجام شده پیرامون استفاده از شبکه های عصبی

سرافراز و افسر (1384) به بررسی عوامل مؤثر بر قیمت طلا و ارائه مدل پیش¬بینی بر مبنای شبکه عصبی فازی پرداختند و نتیجه تحقیق آنها نشان¬دهنده توانایی بیشتر شبکه عصبی در پیش¬بینی قیمت طلا نسبت به رگرسیون¬ بود.
مهدوی و بهمنش(1383) در تحقیقی تحت عنوان «طراحی مدل پیش¬بینی قیمت سهام

شرکت¬های سرمایه¬گذاری با استفاده از شبکه عصبی مصنوعی (مطالعه موردی شرکت
سرمایه¬گذاری البرز)» به این نتیجه دست یافتند که اگر شبکه عصبی درست آموزش ببیند می¬تواند و روابط بین متغیرها را هر چند پیچیده و غیرخطی باشد شناسایی کرده و در پیش¬بینی قیمت سهام شرکت¬های سرمایه¬گذاری موفق واقع شود.

کمیجانی و سعادت¬فر (1385) به بررسی کاربرد مدل¬های شبکه¬های عصبی در پیش¬بینی ورشکستگی اقتصادی شرکت¬های بازار بورس پرداختند. نتایج این پژوهش بیانگر این بود که به کارگیری مدل شبکه عصبی مصنوعی توانایی مدیریت مالی را بر اساس مقابله با نوسانات اقتصادی و ورشکستگی افزایش می¬دهد.
نیکبخت و شریفی (1388) در تحقیقی با عنوان «پیش¬بینی ورشکستگی مالی شرکت¬های بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی» به این نتیجه رسیدند که مدل شبکه عصبی در پیش¬بینی ورشکستگی دقت بالایی دارد. به علاوه توان پیش¬بینی مدل شبکه عصبی در تفکیک درست شرکت¬ها ورشکسته بالاتر از شرکت¬های غیر ورشکسته بود.

کارلوس باتیست در تلاش برای پیش بینی شاخص قیمت سهام بازار فیلیپین با استفاده از شبکه¬های عصبی مصنوعی دریافت که پیش بینی به وسیله شبکه¬های عصبی در وقفه¬های کوتاه مدت اختلاف معناداری با فرضیه گشت تصادفی ندارد ولی در وقفه¬های طولانی¬تر شبکه¬های عصبی بهتر از روش گشت تصادفی می¬توانند به پیش بینی شاخص بپردازند. لندانس به پیش بینی شاخص با استفاده از شبکه¬های عصبی اقدام کردند، داده¬های آن به شبکه شامل دو نوع داده¬های برون زا و درون زا بود که داده¬های برون زای اقتصادی شامل شاخص¬های قیمت سهام بین المللی (SBF250 و TOPIX، S&P500)، نرخ¬های تبدیل (دلار/ مارک، دلار/ ین) و نرخ بهره (سه ماهه و نرخ بهره خزانه) بوده-اند و داده¬های درون زا شامل مقادری تاریخی شاخص بودند. آن¬ها از تحقیق خود نتیجه گرفتند که استفاده از شبکه¬های عصبی از روش¬های خطی بهتر عمل می¬کند. گارلیاسکاس به پیش بینی سری زمانی بازار سهام با استفاده از الگوریتم محاسباتی شبکه عصبی مرتبط با تابع کرنل و روش پیش بینی بازگشت خطا اقدام کرد، او نتیجه گرفت که پیش بینی سری¬های زمانی کالی به وسیله شبکه-های عصبی بهتر از مدل¬های آماری کلاسیک و دیگر مدل¬های انجام می¬شود.

4-1- چارچوب نظری ومدل مفهومی تحقیق
چارچوب نظری به رابطه بین متغیرها مانند متغیر مستقل، وابسته، مداخله و تعدیل¬گر که تصور می¬شود در دگرگونی شرایط مورد بررسی نقش دارد می¬پردازد. ایجاد چنین چارچوب نظری در برقراری و ساخت فرضیه¬ها، آزمون¬ها و همچنین تکمیل درک پزوهشگر کمک می¬کند (خاکی 1388، 30)
در این تحقیق سعی براین است که ارزش افزوده اقتصادی پالایش شده را بااستفاده ازمدل MLP شبکه عصبی مصنوعی پیش بینی کرده ونتایج آن را باپیش بینی ازطریق رگرسیون مقایسه کنیم.
متغیرهای مستقل عبارتند از، نسبت جاری، نسبت بدهی، نسبت بدهی بلند مدت، نسبت بدهی کوتاه مدت، نسبت بازده کل دارایی، نسبت یازده حقوق صاحبان سهام، نسبت سود تقسیمی هرسهم، نسبت سود هرسهم، نسبت ارزش بازاربه سودهرسهم. متغیر مستقل به متغیری گفته می¬شود که به وسیله آن متغیر وابسته تبیین می¬شود به عبارت دیگر این متغیر، متغیر درون داد، متغیر علت و تأثیرگذار است.
متغیر وابسته نیزارزش افزوده اقتصادی پالایش شده می باشد، متغیر وابسته به متغیری گفته می¬شود که تغییرات آن تحت تأثیر متغیر مستقل قرار گیرد به عبارتی این متغیر، متغیر معلول است و تغییراتش تابع تغییرات متغیر مستقل می¬باشد.
شکل 1-1 مدل پرسپترون چندلایه (MLP)

(کردلوئی و حیدری زارع. 1388، 54)

xi: ورودی (نسبت¬های مالی)
yi: خروجی (ارزش افزوده اقتصادی پالایش شده)
z: متغیر کنترلی
wi: تمایل نرون
شکل 2-1: مدل مفهومی تحقیق

منبع: (حسن¬زاده، 1390، 14)

5-1- اهمیت و ضرورت پژوهش
اگر چه بسیاری از شرکت¬ها از معیارهای سنتی مثل (نرخ بازده حقوق صاحبان سهام، نرخ بازده سرمایه، نسبت قیمت هر سهام به سود هر سهام) برای ارزیابی و برآورد عملکرد استفاده می¬کنند اما این معیارهای در معرض تحریف شدن به وسیله اعمال مدیران است.

از سال¬ها قبل استفاده از ارزش افزوده اقتصادی برای ارزیابی عملکرد مدیران وسازمان ها پیشنهاد شده، مدیران مالی باید به منظور ارتقای معیارهای سنتی ارزیابی عملکرد از معیارهایی استفاده کنند که به واقعیت اقتصادی نزدیک¬تر باشد. علی رغم برطرف شدن نقایص مربوط به روش¬های سنتی ارزیابی و برآورد عملکرد به وسیله استفاده از ارزش افزوده اقتصادی انتقادی نیز به این روش وارد است که ذهن پژوهشگران را به خود مشغول ساخته و در صدد یافتن معیارهای بهتر یا تعدیل یا پالایش معیارهای موجود برآمده¬اند تا انتقادهای وارد بر معیار ارزش افزوده اقتصادی را برطرف سازند از جمله این انتقادها اتکاء این معیار بر ارقام تاریخی و محاسبه هزینه فرصت سرمایه¬گذاران بر اساس ارزش¬های دفتری و تحریف نتایج آن بر اثر تورم است.

در سال¬های اخیر تحقیقاتی در ارتباط با ارزش افزوده اقتصادی و ارزش افزوده اقتصادی پالایش شده به عنوان معیارهای ارزیابی عملکردسازمان انجام شده است (برای مثال طالبی و جلیلی 1381، نوروش و مشایخی 1383، شریعت پناهی و بادآور نهندی 1384، مهدوی و رستگاری 1386) با این حال پژوهشی که پیش بینی ارزش افزوده اقتصادی پالایش شده با استفاده از شبکه عصبی مصنوعی بپردازد مشاهده نشد.
از آنجا که انتخاب معیاری مناسب برای ارزیابی پیش بینی عملکرد نقش مهمی در تعیین ارزش یک شرکت دارد، در این پژوهش به مقایسه دو روش رگرسیون و شبکه عصبی در پیش بینی ارزش افزوده اقتصادی پالایش شده به عنوان معیار عملکرد سازمان پرداخت.
اهمیت این پژوهش را می¬توان چنین بیان نمود که این ضرورت احساس می¬شود که به مدلی دست پیدا کنیم تا بتواند ارزش افزوده اقتصادی پالایش شده (REVA) را به نحوی مطلوب¬تر و کاراتر پیش بینی کند.
6-1- اهداف پژوهش
با توجه به پژوهش حاضر که پیش بینی ارزش افزوده اقتصادی پالایش شده با دو روش رگرسیون و شبکه عصبی می¬پردازد اهداف زیر مد نظر است:
1) هدف اساسی این پژوهش پیش بینی ارزش افزوده اقتصادی پالایش شده با استفاده از مدل پرسپترون چند لایه (MLP) شبکه عصبی است که می¬توان از آن برای سرمایه¬گذاری و تصمیم¬گیری اقتصادی استفاده نمود.
2) هدف دیگر این پژوهش یافتن روش بهتر و کاراتر در پیش بینی ارزش افزوده اقتصادی پالایش شده است.
7-1- فرضیه های تحقیق
فرضیه اول : قدرت تبیین مدل رگرسیون در جهت تعیین رابطه نسبت های مالی وارزش افزوده اقتصادی پالایش شده مناسب است.
فرضیه دوم : قدرت تبیین مدل پرسپترون چند لایه شبکه عصبی مصنوعی در جهت تعیین رابطه نسبت های مالی وارزش افزوده اقتصادی پالایش شده مناسب است.
فرضیه سوم : مدل پرسپترون چند لایه شبکه عصبی مصنوعی، قدرت بالاتری نسبت به رگرسیون در پیش بینی ارزش افزوده اقتصادی پالایش شده داراست.
8-1- قلمرو مکانی و زمانی تحقیق
قلمرو تحقیق چهارچوبی را فراهم می¬نماید تا مطالعات و آزمون محقق در طی آن قلمرو خاص انجام پذیرد و دارای اعتبار بیشتر باشد.
این پژوهش شرکت¬های صنایع خودروسازی وداروسازی در بورس اوراق بهادار تهران را مورد بررسی قرار می¬دهد. دوره زمانی این پژوهش 6 ساله و از ابتدای سال 1383 تا انتهای سال 1388 است.
9-1- تعریف واژه¬ها و اصطلاحات تحقیق
شبکه عصبی مصنوعی
هدف شبکه¬های عصبی کوشش برای ساخت الگوهایی است که همانند مغز انسان عمل می¬کنند. کار شبکه عصبی ایجاد یک الگوی خروجی بر اساس الگوی ورودی ارائه شده به شبکه است. شبکه¬های عصبی متشکل از تعدادی عناصر پردازشی (نرون¬های مصنوعی) می¬باشند که این نرون¬ها درون داده¬ها را دریافت و پردازش می¬کنند. پرسپترون چند لایه روشی از شبکه عصبی مصنوعی می¬باشد که پیشخور بوده و پردازنده¬های شبکه به چند لایه مختلف تقسیم می¬شدند. (بیل و آروجکسون تی، 1998، 123)
ارزش افزوده
ارزش افزوده، ثروت ایجاد شده توسط واحد تجاری را اندازه¬گیری می¬کند و این ثروت حاصل کار و تلاش گروهی است که به نوعی در واحد تجاری سهیم بوده¬اند. به عبارت دیگر ارزش افزوده نشان-دهنده جمع بازده حاصل مؤسسه توسط سرمایه¬گذاران، اعتباردهندگان، کارمندان و دولت می¬باشد که قسمتی از این ثروت با ارزش در قالب سود سهام، بهره وام¬ها، حقوق و دستمزد (شامل بیمه و بازنشستگی و سایر مزایای کارکنان) و مالیات به آنان توزیع می¬شود و قسمت باقیمانده به عنوان ذخایر یا برای سرمایه¬گذاران مجدد در همان واحد تجاری منظور می¬گردد.
ارزش افزوده اقتصادی تعدیل شده
ارزش افزوده اقتصادی پالایش شده یک چارچوب تحلیلی برای ارزیابی عملیاتی و میزان ارزش ایجاد شده برای سهامداران فراهم می¬کند. در این نسبت به جای تأکید بر قابلیت اتکا اطلاعات به مربوط بودن آن¬ها تأکید می¬کند. به عبارت دیگر این معیار هزینه فرصت تابع به کار گرفته شده را بر مبنای ارزش بازار آن¬ها محاسبه می¬کند (باسیدور و همکاران ، 2007، 145).
پیش¬بینی
تجسم یک موقعیت در آینده بر اساس اطلاعات گذشتهف در واقع پیش بینی بر اساس معیارهای کلی از داده¬های به وقوع پیوسته در زمان¬های گذشته برای تخمین اینده استفاده می¬کنیم (راعی، رضا و کاظم چاوشی، 1382).
میانگین موزون و هزینه سرمایه (WACC)
میانگین موزون هزینه منابع مختلف تأمین مالی بلندمدتی که توسط شرکت بکار گرفته می¬شود. (باسیدور ، 2007، 33)

رگرسیون
از لحاظ لغوی به معنی پسروی، برگشت است اما از دید آمار و ریاضی به معنی بازگشت به یک مقدار متوسط یا میانگین به کار می¬رود، بدین معنی که برخی پدیده¬ها به مرور زمان از نظر کمی به طرف یک مقدار متوسط میل می¬کند (عادل آذر، 1380، 58).

فصل دوم
مروری بر ادبیات تحقیق

1-2 مقدمه
جستجوهای اولیه برای دستیابی به معیارهای ارزیابی عملکرد منجر به استفاده از اعداد و اطلاعات حسابداری در این زمینه شده است.
بسیاری از معیارهای ارزیابی عملکرد، مبتنی برمدل¬های حسابداری، به ویژه مدل سود حسابداری گزارش شده یا سود هر سهم است.
با گذشت زمان، مدیران به منظور حفظ سطح پاداش و بهبود آن، به مدیریت سود از طریق تحریف اعداد حسابداری پرداختند. این موضوع باعث شده است که علیرغم آنکه برخی از شرکت¬ها دارای وضعیت مالی مطلوب از نظر اعداد حسابداری و معیارهای ارزیابی عملکرد مبتنی برمدل¬ها حسابداری بوده¬اند. با بحران¬های مالی از جمله کمبود نقدینگی مواجه شدند. برای رفع نارسائیهای مدل¬های ارزیابی عملکرد که به دلیل استفاده از اطلاعات حسابداری بوجود می¬آید پژوهشگران به جستجوی ارئه معیاری جدید برای ارزیابی عملکرد پرداختند. با پیدایش نظریه¬هایی در زمین سود اقتصادی یا سود باقیمانده مدل¬هایی به منظور محاسبه سود اقتصادی پیشنهاد شد. در این مدل¬ها سود خالص عملیاتی پس از کسر مالیات و هزینه سرمایه به عنوان سود اقتصادی یا سود باقیمانده تعریف می¬شود. بنابراین معیارهای ارزش افزوده اقتصادی، ارزش افزوده اقتصادی پالایش شده، ارزش افزوده بازار و سود باقیمانده اقتصادی در سیر تکاملی خود تلاش دارند ضمن توجه به پیچیدگی¬های رفتاری مدیران، به ارزیابی عملکرد و تعدیل تضاد منافع پرداخته و اطلاعات موجود در قیمت و بازده سهام را توضیح دهند.
هدف از این فصل ارائه کلیات و مفاهیمی پیرامون ارزیابی عملکرد و شبکه عصبی مصنوعی است. براین اساس ابتدا مباحثی پیرامون ارزیابی و پیش¬بینی عملکرد و شبکه¬عصبی ارائه می¬گردد و بخش بعدی متغییرها تشریح می¬گردد و نحو محاسب آنها بیان می¬شود و بخش آخر برخی از پژوهش¬های مشابه خارجی و داخلی انجام شده ارائه می¬گردد.
2-2- معیارهای عملکرد
استفاده¬کنندگان گزارشهای مالی با استفاده از معیارهای مختلف عملکرد سازمان را ارزیابی می¬کنند. روشهای متعددی برای ارزیابی عملکرد وجود دارد نتیجه به دست آمده از تحقیقات به ارائه چهار رویکرد در رابطه با معیارهای عملکرد به شرح زیر انجامیده است:
1-2-2- رویکرد حسابداری
این رویکرد بر صورت سود و زیان و ترازنامه تأکید دارد یعنی یک جریان خروجی وجه نقد می-تواند هزینه در صورت سود و زیان و یا به عنوان یک دارایی سرمایه¬ای در ترازنامه منعکس شود، که نتیجه آن ایجاد صورت سود و زیان و ترازنامه متفاوت ناشی از نظرات مختلف است (استیوارت 1991، 24)
2-2-2- رویکرد اقتصادی
براساس این رویکرد که در آن مفاهیم اقتصادی استفاده می¬شود. عملکرد واحد تجاری با تاکید بر قدرت سودآوری دارایهای شرکت و با توجه به نرخ بازده و نرخ هزینه سرمایه به کار رفته ارزیابی می¬شود. (انواری رستمی و همکاران، 1383) ارزش افزوده اقتصادی و ارزش افزوده اقتصادی و ارزش افزوده اقتصادی تعدیل شده و ارزش افزوده بازار در این گروه جای دارند.
3-2-2- رویکرد تلفیقی
در این رویکرد ترکیبی از اطلاعات حسابداری و بازار برای ارزیابی عملکرد به کار می¬رود مانند نسبت Q توبین و نسبت قیمت به سود (ملکیان و اصغری 1385، 55-54)
4-2-2- رویکرد مدیریت مالی
در این رویکرد اغلب از تئوری¬های مدیریت مالی نظیر الگوی قیمت¬گذاری دارایی¬های سرمایه¬ای (CAPM) و مفاهیم ریسک و بازده استفاده می¬شود. تأکید اصلی این رویکرد بر تعیین بازده اضافی هر سهم می¬باشد. (انصاری و کریمی 1387، 11-3).
3-2- پیش بینی
یکی از ابزارهای مهم مدیریتی استفاده از روش¬های مختلف پیش¬بینی است. مدیر جهت تصمیم¬گیری نیاز به برآورد رویدادهای آینده با استفاده از اطلاعات گذشته دارد. آینده¬نگری به مفهوم مطالعه قبلی، محاسبه و حدس زدن از اوضاع و شرایط آتی است – کسی که با آگاهی از این محاسبات که غالباً متکی بر آمار و اطلاعات کنونی است- و به اتکاء بینش شخصی خود در خصوص آینده به قضاوت می¬نشیند، به پیش¬بینی می¬پردازد. (آیت¬الهی، 1377، 36)
1-3-2 اهداف پیش¬بینی
به طور کلی در پیش¬بینی دو هدف اساسی دنبال می¬شود.
هدف اول: مشخصاً برنامه¬ریزی مناسب است. برنامه¬ریزی به معنی تدوین و طراحی سیاست¬ها و الگوها و طرح¬ها و ایده¬ها برای آینده جهت تأمین اهداف سازمانی یا اهداف سیستم است. بنابراین

می¬توان گفت که برنامه¬ریزی نوعی پیش¬بینی است. هدف دوم از به کارگیری تکنیک¬های پیش¬بینی تصمیم¬گیری است در یک تعریف تصمیم¬گیری فرآیند تشخیص مسأله و حل مساله است (الوانی، 1374، 66)
2-3-2- عوامل موثر در انتخاب مدل مناسب پیش¬بینی
برای انتخاب مدل مناشب توجه به موارد ذیل ضروری است (الوانی، 1374، 67 )
– محدوده زمانی: به طورکلی اگر بخواهیم مدت نسبتاً دوری را پیش¬بینی کنیم بهتر است از روش-های کمی استفاده نمائیم و اگر بخواهیم پیش¬بینی¬های میان مدت یا کوتاه مدت به عمل آوریم بهتر است از روش¬های کیفی پیش¬بینی استفاده نمائیم.

– آمار و ارقام داده شده: با توجه به نوع آمار گذشته نیز نحو پیش¬بینی فرق می¬کند. در برخی مواقع آمار دارای نوسانات فصلی است و یا اینکه از یک سری نوسانات تصادفی و نامنظم تبعیت می¬کند.
شکل 1-2: شمای ترسیمی آمار و داده¬های گذشته

منبع :(الوانی، 1374، 68)
– ارتباط اطلاعات با متغییرهای مورد نظر:
در پاره¬ای از اوقات آمار و اطلاعات در رابطه با متغییر مورد نظر در دسترس نیست و باید از اطلاعات مربوط به متغییر دیگری که ارتباط با متغیر مذکور دارد استفاده کرد.
– هزینه: مدل¬های مختلف پیش¬بینی چون دارای خصوصیات مختلفی می¬باشند هزینه¬های متفاوتی را ایجاد می¬کنند.

– دقت: برخی از مدل¬ها با دقت 90% موقعیت را در آینده پیش¬بینی می¬کنند و برخی با دقت کمتر. واضح است با توجه به انتظاری که از دقت مدل داریم می¬توانیم مدل مورد نظر را انتخاب کنیم.
– سادگی: بعضی از مدل¬ها اگر چه از دقت زیادی برخوردار ولی به علت پیچیدگی قابل استفاده در کلیه سازمان¬ها نمی¬باشد.

3-3-2- انواع شیوه¬های پیش بینی
الف) پیش بینی قضاوتی
در مواقعی که اطلاعات دقیق و کاملی در مورد مسأله وجود نداشته باشد از این نوع پیش¬بینی استفاده می¬شود. در این روش کوشش می¬شود نظرات ذهنی به صورت پیش¬بینی¬های کمی درآید.
انوع پیش¬بینی¬های قضاوتی که نوعی پیش¬بینی کیفی محسوب می¬شوند شامل روش دلفی و روش توافق جمعی است.

الف-1) روش دلفی
ابتدا گروهی از کارشناسان و متخصصان صاحبنظر انتخاب می¬شوند و به وسیله پرسشنامه¬ای نظرات آنان در مورد موضوع مربوط گردآوری می¬شوند. سپس نظرات مختلف را به سایر اعضای گروه اطلاع داده و نظرات جدید جمع¬آوری می¬شوند. به این ترتیب همه اعضاء از اطلاعات و نظرات یکدیگر مرتباً مطلع می¬شوند وبه اظهار نظر جدیدی می¬پردازند. با ادامه جریان ارسال اطلاعات و نظر نظرجویی¬های جدید مدیر می¬تواند براساس نظرات گردآوری شده همگن، مبنای برای پیش¬بینی به دست آورد. روش دلفی بیشتر برای پیش¬بینی¬های بلندمدت (بیشتر از دو سال به کار می¬رود. ) (الوانی 1374، 71)
الف-2) روش توافق جمعی
دراین روش اعتقاد براین است که نظر جمع متخصصان برتر از نظر یک فرد است. از اینرو طی جلساتی نظر افراد حضوراً گردآوری می¬شود و پس از بحث و گفتگو آنچه مورد توافق جمع است اساس پیش¬بینی قرار می¬گیرد.
ب) پیش¬بینی برمبنای گذشته
در این نوع پیش¬بینی برمبنای گذشته آمار و ارقام و اطلاعات اساس پیش¬بینی فرآیند قرار می¬گیرد به عبارت دیگر فرض براین است که در کوتاه مدت می¬توان روند گذشته را به آینده تسری داد (سید حسینی 1380، 17) انواع روش¬های پیش¬بینی برمبنای گذشته شامل روش تقاضای آخرین دوران روش میانگین متحرک ، روش میانگین متحرک وزنی ، روش نموهموار ، روش باکس و جنکینز ، است.

برای دریافت اینجا کلیک کنید