توانايي مدل هاي تخمينگر بردار پشتيبان، تخمينگر حداقل درجه و شبكه عصبي فازي در پيش‌بيني سود هر سهم

پيش بيني سود حسابداري و تغييرات آن به جهت استفاده در مدل‌هاي ارزيابي سهام، توان پرداخت، ريسك، عملكرد واحد اقتصادي و مباشرت مديريت از ديرباز مورد علاقه سرمايه گذاران، مديران، تحليلگران مالي و اعتباردهندگان بوده است. سود هر سهم اغلب براي بررسي سودآوري و ريسك مرتبط با سود و نيز قضاوت در خصوص قيمت سهام استفاده مي‌شود. در اين تحقيق عملكرد سه مدل تخمينگر بردار پشتيبان، تخمينگر حداقل درجه و شبكه عصبي فازي در پيش بيني سود هر سهم مورد ارزيابي قرار گرفته است. در اين تحقيق از 9 متغير مالي، 7 متغير بنيادي و 4 متغير كلان استفاده شده است. ابتدا متغيرهاي مالي ،متغيرهاي بنيادي و كلان اقتصادي به صورت جداگانه و سپس بطور همزمان وارد مدل ها شده اند تا توانايي آن ها در هر سه حالت مورد ارزيابي قرار گيرد. نتايج تحقيق نشان مي دهد كه مدل تخمينگر حداقل درجه در هر سه حالت فوق (متغيرهاي مالي، متغيرهاي بنيادي و كلان اقتصادي) عملكرد بهتري نسبت به ساير مدل ها داشته است.