ارايه يك شبكه عصبي مصنوعي جهت پيش بيني ريسك سيستماتيك با استفاده از متغيرهاي كلان اقتصادي (مطالعه موردي: شركت سايپا)

Predicting Systematic Risk Using Artificial Neural Networks (A Case Study: Saipa Company

ارايه يك شبكه عصبي مصنوعي جهت پيش بيني ريسك سيستماتيك با استفاده از متغيرهاي كلان اقتصادي (مطالعه موردي: شركت سايپا) دكتر غلامحسين مهدوي 1 كاظم گودرزي 2 چكيده هدف كلي اين مقاله، ارايه يك شبكه عصبي مصنوعي جهت پيش بيني ريسك سيستماتيك شركت سايپا با استفاده از متغيرهاي كلان اقتصادي است. نوع شبكه اي كه در اين پژوهش بكار گرفته شده يك شبكه عصبي پي شخور با الگوريتم پس انتشار خطاست. شاخص كل قيمت بورس اوراق بهادار تهران، نرخ ارز (دلار)، قيمت نفت و قيمت طلا (سكه) به عنوان 4 متغير ورودي شبكه و ريسك سيستماتيك به عنوان متغير خروجي شبكه انتخاب شده است. داده هاي مربوط به هر كدام از متغيرها ابتدا به صورت هفتگي و ماهانه تنظيم و سپس براساس اين داده ها 80 شبكه عصبي مصنوعي مختلف طراحي شده است. يافته ها نشان مي دهند كه مدل بهينه جهت پيش بيني ريسك سيستماتيك به صورت هفتگي يك 0 است. همچنين، مدل بهينه براي پيش بيني ريسك / پرسپترون چهار لايه با مقدار خطاي 033314 0 است / سيستماتيك به صورت ماهانه، يك پرسپترون سه لايه با مقدار خطاي 065557 .G11, G17, M40 :JEL طبقه بندي واژگان كليدي: ريسك سيستماتيك، شبك ههاي عصبي مصنوعي، متغييرهاي كلان اقتصادي 1. دانشيار حسابداري، عضو هيات علمي دانشگاه شيراز (نويسنده مسيول) Email: ghmahdavi@rose.shirazu.ac.ir 2. كارشناس ارشد حسابداري، عضو هيات علمي دانشگاه پيام نور Email: Kazem_good_1359@yahoo.com

Predicting Systematic Risk Using Artificial Neural Networks (A Case Study: Saipa Company) Gholamhossein Mahdavi1 Kazem Goodarzi2 Abstract The purpose of this study is to introduce an artificial neural model for predicting systematic risk of Saipa Company by using macro economic variables. The net used in the study is a neural feedforward network with backpropagation algorithms. Price Index in Tehran Stock Exchange, Exchange Rate, Oil Price and Gold Price have been considered as four input variables, and the systematic risk as the output variable. The relevant data for each variable has been set weekly and monthly, and based on the data, 80 different neural networks were designed. The results show that the optimal model for predicting weekly systematic risk is a four- layer- model with the Root- Mean- Square (RMS) of 0/033314. Furthermore, the optimal model for predicting monthly systematic risk is a three- layer- model with the RMS of 0/065557. JEL Classification: G11, G17, M40. Key words: Systematic Risk, Artificial Neural Network, Macro Economic Variables. 1. Associate Professor of Accounting, Shiraz University, Iran 2. M. S. in Accounting, Shiraz University, Iran