P/E Modeling and Prediction of Firms Listed on the Tehran Stock Exchange; a New Approach to Harmony Search Algorithm and Neural Network Hybridization
محل انتشار: مجله ایرانی مطالعات مدیریت، دوره: 11، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 77
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIJMS-11-4_006
تاریخ نمایه سازی: 6 شهریور 1402
چکیده مقاله:
Investors and other contributors to stock exchange need a variety of tools, measures, and information in order to make decisions. One of the most common tools and criteria of decision makers is price-to earnings per share ratio. As a result, investors are in pursuit of ways to have a better assessment and forecast of price and dividends and get the highest returns on their investment. Previous research shows that neural networks have better predictability than statistical models. Thus, Harmony Search algorithm and neural network have been used in this work, since achieving the best forecast is more likely. For this purpose, a sample consisting of ۸۷ companies has been selected from those listed at the Tehran Stock Exchange over a ۱۰-year period (۲۰۰۶-۲۰۱۵). The results show the high accuracy of the designed model that predicts the price-to-earnings ratio at the stock exchange by hybridizing the balanced search algorithm with neural network.
کلیدواژه ها:
Harmony Search ، Price to earnings ratio ، Fundamental Analysis ، Panel data econometrics ، RBF neural network
نویسندگان
مژگان صفا
Department of Accounting, Islamic Azad University, Kashan Branch, Kashan, Iran
حسین پناهیان
Department of Accounting, Islamic Azad University, Kashan Branch, Kashan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :