بخشی از مقاله
چکیده
در بازار سهام متغیرهای زیادی وجود دارند که قابلیت تأثیرگذاری و تأثیرپذیری از یکدیگر و همچنین قابلیت تغییر نسبت به زمان را دارند. لذا تصمیم گیری در معاملات سهام، نیازمند یک روش جدید متناسب با این دو ویژگی بازار مالی است. اهمیت تصمیم گیری در معاملات سهام، از اهمیت و نقش این بازار مالی در افزایش تولید ملی، ایجاد اشتغال، افزایش درآمد سرانه و نهایتاً رفاه عمومی نشأت می گیرد. چرا که تصمیم گیری درست و روش مندی که به بازدهی سرمایه گذاری مطلوب منتج شود، فرد را به سرمایه گذاری در این بازار ترغیب می کند. هدف از این تحقیق، ارائه یک روش تصمیم گیری در خرید سهام، با لحاظ نمودن ریسک پذیری فرد سرمایه گذار می باشد. روش تصمیم گیری پیشنهادی در این تحقیق استفاده از شبکههای عصبی مصنوعی است.
مقدمه
ضرورت سرمایه گذاری برای رشد و توسعه اقتصادی هر کشور انکارناپذیر است. برای فراهم ساختن وجوه مورد نیاز، منابعی برای تأمین سرمایه لازم خواهد بود. بهترین منبع برای تأمین سرمایه، پس اندازهای مردم است. هدایت صحیح و درست وجوه سرگردان به سمت سرمایه گذاریهای مولد، افزایش تولیدات و رشد ناخالص ملی، ایجاد اشتغال و افزایش درآمد سرانه و نهایتاً رفاه عمومی را در پی خواهد داشت. پس باید یک ساز و کار قوی این پس اندازها را به سوی بخشهای تولیدی سوق دهد و نیاز مالی آنها را فراهم کند.
در این فرآیند، بورس اوراق بهادار میتواند سهم عمده ای داشته باشد، چرا که سرمایه های مردم را به سمت تولید سوق داده و از طریق شرکتهای کارگزاری به مؤسسات تولیدی و بازرگانی می سپارد. از طرفی تصمیم گیری در این بازار بستگی به تعداد زیادی متغیر دارد. البته این متغیرها خود نسبت به زمان قابل تغییراند. بنابراین این بازار ذهن بسیاری از سرمایه گذارانی را که میکوشند پس اندازهای خود را در جایی سرمایه گذاری کنند که بیشترین بازده را دارد به خود مشغول کرده است. لذا ضرورت و اهمیت تحقیق و پژوهش در باب یافتن ابزاری که بتواند به نحو مطلوبی این سیستم پیچیده را مدلسازی کرده، تا سرمایه گذاران با خطای کمتری بتوانند نسبت به تصمیم گیری در خرید سهام اقدام کنند، از اهمیت سرمایه گذاری نشأت می گیرد.
در این مقاله ابتدا به بررسی شاخص های موثر بر بازدهی سرمایه و همچنین مفاهیم شبکه های عصبی مصنوعی و شبکه پرسپترون چندلایه - MLP - و روش های مختلف یادگیری میپردازیم. در ادامه به مدلسازی عوامل موثر بر بازدهی سرمایه با استفاده از شبکه های عصبی پرداخته می شود. و سپس مدل را اجرا کرده و تغییرات لازم را روی آن اعمال می کنیم و در نهایت نتیجه حاصل از تحقیق بیان میگردد.
بازده سرمایه گذاری از نظر تئوری بازده سرمایه گذاری با فرمول زیر محاسبه می شود که در آن:
:D1 سود تقسیمی هر سهم که عاید سرمایه گذار خواهد شد
:P0 قیمت هر سهم در ابتدای دوره سرمایه گذاری
:P1 قیمت هر سهم در پایان دوره سرمایه گذاری
در این فرمول، D1 ، یعنی سود تقسیمی هر سهم، در بورس اوراق بهادار، فقط پس از برگزاری مجمع عمومی عادی معین می گردد. همچنین این مجمع برای کلیه شرکت های بورسی هر سال یکبار برگزار می شود. DPS سهام یک شرکت، تنها به اشخاصی تعلق می گیرد که در زمان برگزاری مجمع عمومی عادی سالیانه آن شرکت، سهامدار آن شرکت بوده اند. از آنجا که داده های بکار رفته در این تحقیق متعلق به یک بازه زمانی 24 روزه است پس، فرض بر این استوار است که، سرمایه گذار، تنها با انگیزه کسب سود از طریق افزایش قیمت سهام در این بازه زمانی، اقدام به سرمایه گذاری می نماید.
متغیر های موثر بر بازدهی سرمایه گذاری :
- 1حجم معاملات سهام: منظور از حجم معاملات، میزان ریالی حجم معاملات سهام یک شرکت در یک روز است. برای محاسبه این عدد، مجموع حاصلضرب تعداد سهام در قیمت خرید شده سهام، از ابتدای شروع فعالیت بازار بورس در یک روز مشخص تا لحظه مورد نظر، در همان روز را در نظر می گیریم. هر چه حجم معاملات سهام بیشتر باشد، قیمت ها به صورت منصفانه و معقول تر درآمده و در واقع می توان گفت، بازار به کارایی نزدیک تر می شود. این امر کمک بهتری به تصمیم گیری سرمایه گذاران می کند. سرمایه گذاران تمایل به خرید سهامی دارند که حجم معاملات آن در سطح بالا باشد.
- 2پیش بینی سود هر سهم EPS : - EPS - یکی از نسبت های مالی است که سرمایه گذاران در هنگام خرید سهام باید به آن توجه کنند. انواع مختلفی از EPSمورد استفاده قرار می گیرد و لازم است سرمایه گذاران اولاً بدانند که EPS چه چیزی را منعکس می کند و ثانیاً تعیین نمایند که آیا EPS بازتاب معتبری از سود شرکت دارد یا ندارد. این نسبت، سود بدست آمده به ازای یک سهم عادی توسط شرکت در یک دوره زمانی مشخص را نشان می دهد. برای محاسبه این نسبت، سود خالص پس از کسر مالیات بر تعداد سهام عادی شرکت تقسیم می شود. حال اگر شرکت دارای تعدادی سهام ممتاز باشد، سود متعلق به این سهامداران از سود خالص پس از کسر مالیات کسر و باقیمانده بر تعداد سهام عادی تقسیم می شود تا میزان سود هر سهم بدست آید.
- 3نسبت قیمت به سود : - P/E - اگر P/E شرکتی بالاتر از میانگین بازار یا صنعت باشد، بدین معنی است که بازار در ماه ها یا سال های آینده انتظارات بزرگی از سهم این شرکت دارد. شرکتی با P/E بالا باید سودهای فزاینده ایجاد کند، در غیر این صورت قیمت سهمش سقوط خواهد کرد. البته باید توجه داشت که P/E پایین،لزوماً بدین معنی نیست که ارزش یک شرکت کم نمایی شده، بلکه بدین معنی است که بازار معتقد است شرکت در آینده نزدیک با مشکل روبه رو خواهد شد. دیگر اینکه این نسبت در زمان های مختلف تغییر می کند.
در حالت کلی سهامداران سهامی را ترجیح می دهند که P/E آن، نسبت به سایر سهام ها بالاتر است. EPS نقش عمده ای در مقایسه سود خالص شرکتها داشته، لیکن چیزی در مورد چگونگی ارزش سهام بازار ارائه نمی کند. بخاطر همین موضوع تحلیل بنیادی از شاخص جدیدی که از تقسیم قیمت هر سهم بر EPS آن سهم حاصل می شود، استفاده می کند. هر میزان P/E بزرگتر باشد، بازار تمایل بیشتری برای پرداخت به ازای هرریال درآمد سالیانه شرکت خواهد داشت، یا بعبارت بهتر، شرکت آینده خوبی خواهد داشت. این نسبت از مهمترین شاخص های ارزیابی سهام، در بازار سرمایه است که توسط سرمایه گذاران مورد استفاده قرار می گیرد.
- 4سود نقدی هر سهم : - DPS - این نسبت نشان دهنده مبلغ سودی است که شرکت بابت هر سهم به سهامداران پرداخت می کند. این نسبت از تقسیم سود پرداختی به صاحبان سهام بر تعداد سهام عادی بدست می آید:
شبکه های عصبی مصنوعی توجه به کاربرد تکنیک های هوش مصنوعی و ابزارهای مدل سازی در حوزه کسب و کار به طور فزاینده ای در حال افزایش است. در این راستا سیستم های خبره جایگاه ویژه ای یافته اند. در چند دهه گذشته دو عنوان شبکه های عصبی از موضوعاتی بوده اند که توجه بسیاری از دانشگاهیان را به خود جلب کرده اند . این موضوع به عنوان ابزاری نیرومند در حل مسائلی که دیگر توسط متدلوژی ها و روش های سنتی گذشته قابل حل نبودند، شناخته شده و مورد استفاده قرارگرفته اند. این روزها استفاده از آنها به زندگی اجتماعی ما نیز تسری یافته تا جایی که کاربرد آنها در تصمیم گیری ها نقش حیاتی یافته است.
در سال 1980 برای اولین بار شبکه های عصبی چند لایه - - mlp ایجاد شدند. این شبکه ها دارای قابلیت یادگیری بودند. و معمولا از الگوریتم پس انتشار برای به روز کردن وزن های آنها استفاده می شد. به طور کلی شبکه های عصبی یک تکنیک پردازش اطلاعات مبتنی بر روش سیستم های عصبی بیولوژیکی مانند مغز و پردازش اطلاعات است. مفهوم بنیادی شبکه های عصبی ، ساختار سیستم پردازش اطلاعات است که از تعداد زیادی واحدهای پردازشی - نورون - مرتبط با شبکه ها تشکیل شده اند. سلول عصبی بیولوژیکی یا نورون، واحد سازنده سیستم عصبی در انسان است. یک نورون از بخشهای اصلی بدنه سلولی، هسته، آکسون و دندریت تشکیل شده است. یک سیستم شبکه عصبی از تکنیکهای مورد استفاده انسان در یادگیری از طریق استناد به مثالهایی از حل مسائل استفاده می کند
