• از نقطه‏نظر معیار RMSE مطابق با جدول (۳)، ترکیب روش‏های پیش‏بینی با ورود آنها به شبکه عصبی مصنوعی بهترین میزان خطای پیش‏بینی را داده است. این نتیجه، نشان‏دهنده‏ی کارایی بسیار بالای روش شبکه عصبی به عنوان یک رویکرد ترکیبی می‏باشد و ترکیب بعدی، که خطای مناسبی را دارد، روش رگرسیون چند متغیره است. با استناد به معیار RMSE، برتری مطلق روش شبکه‏های عصبی نسبت به رگرسیون چند متغیره قابل توجیه است؛ حال در این رابطه باید بررسی نمود که آیا در تحلیل نتایج، نیاز به تحلیل آمار استنباطی هست یا خیر؟ روش رگرسیون چند متغیره آزمون خود همبستگی چندگانه را انجام داده و بعضی متغیرها را چنانچه ملاحظه شد، حذف می‏نماید؛ ولی در روش شبکه عصبی تمام ورودی‏ها (مدل‏ها) می‏توانند لحاظ شوند(کوزیکی،۲۰۰۲)[۱۳۵] . به نظر محققین، در این تحلیل، روش شبکه عصبی برای ترکیب می‏تواند روش مفید و مؤثری باشد؛ زیرا که کار ترکیب به روی خروجی‏ها صورت می‏گیرد و هرکدام به عنوان ورودی کاملاً مستقل می‏تواند فرض شوند که کار آموزش شبکه با تمام آنها صورت می‏گیرد(فلورز و پیرز،۲۰۰۰)[۱۳۶] .
  • ترکیب هموارسازی با مدل باکس – جنکینز نتوانسته است میزان خطای روش‏های هموارسازی و نیز باکس – جنکینز را کاهش می‏دهد؛ و میزان خطای آن از نقطه‏نظر معیار RMSE بالاتر از هرکدام از روش‏های فردی است؛ به هر حال، به دلیل این که در ترکیب هموارسازی نمایی با ARIMA مدل‏بندی آماری صورت می‏گیرد، لذا به عنوان روشی مؤثر و مفید می‏تواند لحاظ شود.
  • معیارهای دیگری چون MAPE[137] و GAPE[138] و MPE[139] نیز توانایی بالای روش‏های ترکیبی را در کاهش با روش شبکه‏های عصبی مصنوعی بیشترین کارایی را به استناد تمام معیارها نشان داده است. لازم به ذکر است که این معیارها، در پژوهش ها مختلف به صورت یکسان به کار گرفته شده‏اند و لذا معیارهایی همسو نمی‏باشند؛ ولی در این مطالعه، حداقل در به اثبات رساندن برتری مطلق روش پیش‏بینی ترکیبی به روش‏های فردی، این معیارها نتایج یکسان نشان داده ‏اند.
  • با توجه به اینکه در تئوری‏های ترکیب روش‏های پیش‏بینی، یکی از روش‏های مورد توجه روش میانگین موزون می‏باشد، در این مطالعه نیز اقدام به انجام پیش‏بینی ترکیبی با روش میانگین موزون شد.
  • وزن‏گذاری روش‏های پیش‏بینی در این ترکیب با بهره گرفتن از رابطه  و پیش‏بینی با رابطه ساده  صورت گرفته است.
    در این تحلیل ترکیبی، میانگین موزون به عنوان یک روش ترکیبی خوب عمل نکرده است و کاهش میزان خطای MSE آن قابل ملاحظه نمی‏باشد و مدل‏های آماری باکس – جنکینز و هموارسازی نمائی بسیار بهتر از آن به عنوان روش‏های فردی عمل کرده‏اند؛ به هر حال، نتایج کلی این پژوهش در موارد فوق بیان شده و کاربرد مدل‏های ترکیبی پیش‏بینی را برای متغیرهای اقتصادی توصیه می‏نماید (مشیری، ۱۳۸۰).
    بازده سهام و عوامل موثر بر آن
    بازده سهام عادی، عبارتست از مجموعه عایداتی که در طول یک دوره مالی به شرح ذیل به دارنده سهم تعلق می گیرد:

    1. تغییر قیمت[۱۴۰]: تغییرات قیمت سهم طی یک دوره، به عنوان یکی از عوامل اصلی بازده است که اصطلاحا تحت عنوان Capital Gainاز آن نام برده می شود .
    2. سود نقدی هر سهم[۱۴۱]: که پس از کسر مالیات به سهامداران پرداخت می شود و تحت عنوان Dividend نامیده می شود.
    3. مزایای ناشی از حق تقدم خرید سهام : سهامداران شرکتهای سهامی عام در خرید سهام جدیدی که پس از افزایش سرمایه توسط شرکت منتشر می شود، نسبت به سایرین اولویت داشته و می توانند در ظرف مهلت مقرر از حق خود استفاده نمایند این حق دارای ارزش مبادلاتی است.
    4. مزایای ناشی از سود سهم یا سهام جایزه : برخی شرکتها ترجیح می دهند که سود را به صورت سهام جایزه به سهامداران پرداخت نمایند . بنابراین به جای سود نقدی ، تعدادی سهام به سهامداران تخصیص می یابد (قائمی و طوسی، ۱۳۸۵: ۱۶۵-۱۶۴).

    عوامل موثر بر قیمت و بازدهی هر سهم را می‏توان به دو گروه تجزیه کرد؛ گروه نخست مرتبط با تاثیری است که هر سهم از عوامل کلی اقتصاد می‏پذیرد و گروه دوم وابسته به متغیرهایی است که تنها به خود همان سهم مربوط می‌باشد.

    متغیرهای اقتصادی مختلفی را می‏توان به عنوان عامل تاثیرگذار روی بازده سهام در نظر گرفت، اما اگر بخواهیم یک متغیر را به عنوان تاثیرگذارترین متغیر انتخاب کنیم، بهترین انتخاب شاخص بازار سرمایه است. برای سادگی، تمام عوامل انحصاری که تنها بر یک سهم موثر هستند را نیز در یک عامل خلاصه می‏کنیم. به این ترتیب می‏توان مدل معروف به مدل بازار را ساخت. مطابق این مدل، بازده هر سهم از دو عامل تشکیل می‌گردد که یک جزء آن ناشی از بازار است که ضریب تاثیر‌پذیری سهم از بازار را بتا می‌نامند؛ جزء دیگر بازده هر سهم مربوط به خود سهم است که آلفا نامیده می‌شود. به بیان آماری، این مدل از رگرسیون بازده هر سهم بر شاخص بازار، حاصل می‌شود که عرض از مبدا رگرسیون آلفا و شیب رگرسیون نیز همان ضریب بتا است. به عنوان مثال اگر متوسط بازده سهمی ۱۵ درصد، بتای آن ۵/۰ و بازده بورس ۲۰ درصد باشد، ۱۰ درصد= ۵/۰×۲۰ درصد از بازده آن متاثر از بازار و آلفای آن برابر ۵ درصد بوده است یعنی به طور متوسط، ۵ درصد از بازده آن سهم مستقل از وضع کلی بازار و مختص خود شرکت و ۱۰ درصد از بازدهی متاثر از وضع کلی بازار بوده‌است. در این مدل از داده‌های تاریخی جهت محاسبه آلفا و بتا استفاده شده و بدیهی است ممکن است اتفاقات آتی متفاوت از روند گذشته سهم باشد. مطابق محاسبات این مدل، در طول سه سال گذشته، میانگین بازده سالانه پارس خودرو ۲۷ درصد، بتای آن ۴۸/۰ و میانگین بازده سالانه بورس در این مدت ۲۶ درصد بوده است؛ بنابراین حدود ۱۲ درصد (که از ضرب ۲۶ درصد و ۴۸/۰ به‏دست می‌آید) از بازده این شرکت متاثر از بازار و آلفای آن برابر ۲۵ درصد بوده است؛ یعنی به طور متوسط، ۲۵ درصد از بازده این سهم مستقل از وضع کلی بازار و مختص خود شرکت و ۱۲ درصد از بازدهی متاثر از وضع کلی بازار بوده است.
    اهمیت بازده سهام
    از زمان آدام اسمیت دیدگاه غالب در خصوص سازمان‏ها این بوده است که آن‏ها نیروی خود را از سرمایه گزاران، کارکنان و تأمین کنندگان به دست می آورند تا کالا و خدماتی را برای مشتریان خود تولید کنند. در این دیدگاه عملکرد سازمانی عبارت است از بازده مالی که به سهامداران می رسد (فیرر[۱۴۲] و همکاران، ۲۰۰۳: ۳۶۰-۳۴۸). هریک از ما در طول زندگی خود تصمیماتی را برای سرمایه گذاری در زمینه های مختلف از جمله ملک، طلا، سهام و مانند اینها اتخاذ می کنیم در یک تصمیم علمی انتخاب هر یک، بستگی مستقیم به میزان ریسک و بازده آن فرصت در مقایسه با دیگر فرصت های سرمایه گذاری دارد. به عبارت دیگر هدف اصلی شناسایی آن فرصت سرمایه گذاری است که بیشترین بازده را با ریسک یکسان و یا کمترین ریسک را در شرایط بازده مساوی در مقایسه با دیگر فرصت ها به ما می دهد. بنابراین اهمیت پیش بینی بازده سهام، محققان را بر آن داشته تا به دنبال متغیرها و شاخص هایی که ارتباط معنادار با بازده سهام دارند و همچنین متغیرهایی که بر این رابطه تأثیرگذارند؛ باشند. آن ها همواره به دنبال این بوده اند که متغیرهایی را که بر بازده تأثیرگذارند، یافته و بر اساس آن تصمیم‏ گیری کنند. نتایج به دست آمده از تحقیقات انجام شده در این زمینه نشان می دهد که اطلاعات مالی و غیرمالی هر دو بر بازده سهام مؤثر هستند (مهرانی و همکاران، ۱۳۸۳: ۷۸-۷۷). لذا یکی از معیارهایی که برای سنجش عملکرد سازمان ها که در این تحقیق به آن پرداخته شده است، بازدهی سهام است زیرا معمولاً مهم ترین معیار ارزیابی عملکرد موسسات،در حال حاضر نرخ بازده سهام است.این معیار به تنهایی دارای محتوی اطلاعاتی برای سرمایه گذران بوده و برای ارزیابی عملکرد مورد استفاده قرار می گیرد.وقتی این معیار کاهش یابد زنگ خطری برای شرکت است و عملکرد شرکت را مناسب نشان نمی دهد.این معیار دارای محتوی اطلاعاتی زیادی می باشد، زیرا ارزیابی عملکرد برمبنای ارزش بازار،اطلاعات سرمایه گذران را به خوبی منعکس می کند.
    الگوهای ارزش گذاری سهام
    الگوهای ارزش گذاری سهام به سه گروه کلی تقسیم می شوند که عبارتند از: الگوهای مبتنی بر بازار سرمایه، الگوهای مبتنی بر داده های حسابداری پیش بینی شده و الگوهای مبتنی بر داده های حسابداری تاریخی (آناند و فِیسروک[۱۴۳]، ۲۰۰۸). هر یک از این گروه ها نیز به زیر گروه هایی تقسیم می شوند که خلاصه آنها در نمودار شماره (۲-۱) ارائه شده است.
    در الگوهای ارزش گذاری مبتنی بر بازار سرمایه، از اطلاعات بازار برای تعیین ارزش شرکت و سهام آن استفاده می شود، ولی در الگوهای مبتنی بر داده های حسابداری، اطلاعات حسابداری موجود در صورت‏های مالی استفاده می گردد. البته نمی توان این الگوها را به طور کامل جدا از یکدیگر دانست؛ چرا که برخی از الگوهای مبتنی بر داده های حسابداری مانند نسبت قیمت به سود (  ) به طور ذاتی به اطلاعات بازار وابسته هستند.
    الگوهای مبتنی بر بازار سرمایه
    الگوهای مبتنی بر داده‏های حسابداری
    الگوهای مبتنی بر نظریه نوین مالی
    الگوهای مبتنی بر تنزیل جریانات نقدی آتی
    الگوهای مبتنی بر داده‏های حسابداری پیش‏بینی شده
    الگوهای مبتنی بر داده‏های حسابداری تاریخی
    الگوی قیمت‏گذاری دارایی‏های سرمایه‏ای
    نظریه بازار ناقص
    الگوهای مرکب
    الگوی اولسان (۱۹۹۵)
    الگوی قیمت‏گذاری اربیترژ
    نظریه بازار کامل

    برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.