مقايسه توان مدلهاي آشوبي و شبكه عصبي مصنوعي در تبيين بازده غيرعادي سهام پيرامون تاريخ انتشار صورتهاي مالي سالانه

امروزه مهمترين معيار ارزيابي عملكرد واحدهاي تجاري، نرخ بازده سهام است. از آن جا كه بشر علاقه زيادي به پيشبيني حوادث آينده دارد تا از طريق آن بتواند آثار ناشي از حوادث را به نحوي كنترل نموده و تبعات منفي ناشي از آن را به حداقل برساند، پيش‌بيني و تبيين قيمت و بازده سهام نيز همواره از موضوعات مورد توجه در حوزه آكادميك مي باشد. بنابراين در تحقيق حاضر، داده‌هاي مربوط به بازده غيرعادي سهام 177 شركت پذيرفته شده در بورس اوراق بهادار تهران در بازه زماني 1387 تا 1396 با استفاده از تجزيه و تحليل تكنيكي و كشف روند گذشته پيرامون تاريخ انتشار صورت‌هاي مالي سالانه بررسي گرديد. همچنين به منظور پيش‌بيني بازده غيرعادي سهام از مدل‌هاي آشوبي SETAR وLSTAR، مدل خطي AR و مدل شبكه عصبي مصنوعي (با به كارگيري سه عامل فاما فرنچ) استفاده شد. در نهايت مدل شبكه عصبي مصنوعي به عنوان مدل بهينه انتخاب گرديد.