توانایی مدل های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش بینی سود هر سهم

پیش بینی سود حسابداری و تغییرات آن به جهت استفاده در مدل های ارزیابی سهام، توان پرداخت، ریسک، عملکرد واحد اقتصادی و مباشرت مدیریت از دیرباز مورد علاقه سرمایه گذاران، مدیران، تحلیلگران مالی و اعتباردهندگان بوده است. سود هر سهم اغلب برای بررسی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود. در این تحقیق، عملکرد سه مدل تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش بینی سود هر سهم مورد ارزیابی قرار گرفته است. در این تحقیق از 9 متغیر مالی، 7 متغیر بنیادی و 4 متغیر کلان استفاده شده است. ابتدا متغیرهای مالی، متغیرهای بنیادی و کلان اقتصادی به صورت جداگانه و سپس به طور همزمان وارد مدل ها شده اند تا توانایی آن ها در هر سه حالت مورد ارزیابی قرار گیرد. نتایج تحقیق نشان می دهد که مدل تخمینگر حداقل درجه در هر سه حالت فوق (متغیرهای مالی، متغیرهای بنیادی و کلان اقتصادی) عملکرد بهتری نسبت به سایر مدل ها داشته است. همچنین استفاده از متغیرهای مالی در مدل تخمینگر حداقل درجه به تنهایی، باعث عملکرد مطلوب تر آن نسبت به سایر حالت ها شده است.