پيش بيني فروش و هزينه ها با استفاده از شبكه عصبي در شركتهاي پذيرفته شده در بورس اوراق بهادار تهران

Cost of sales forecasting using neural network firms listed in the Tehran Stock Exchange

اين پژوهش در صدد پيش بيني فروش و هزينه شركت هاي پذيرفته شده در بورس اوراق بهادار تهران با استفاده ازتكنيك شبكه عصبي است. نمونه تحت بررسي ما شركت توليدي دارويي فارابي، عضو بورس اوراق بهادار تهران در بين سال هاي 80 تا 89 مي باشد. براي دستيابي به يك جريان منطقي واستفاده ي عملي ازنتايج پژوهش، (70%) سال ابتدايي را بعنوان گروه آموزشي و (30%) سال انتهايي را به عنوان گروه آزمايشي و اعتباردهي در شبكه به كارگرفتيم. دراين پژوهش از شبكه عصبي پيشخور تحت تابع newff در محيط matlab با 5 لايه پنهان براي يادگيري استفاده شده است. از توابع tansig سيگموئيد و purelin تابع خطي ساز به ترتيب براي لايه هاي پنهان و خروجي و 20000 تكرار (epoch) جهت آموزش شبكه استفاده شده است. با توجه به نتايج آزمون فرضيه ها تكنيك شبكه عصبي توانست با درجه بالايي از اطمينان فروش و هزينه شركت مورد نظرراپيش بيني كند و اين امر توانايي شبكه عصبي را در امر پيش بيني فروش و هزينه به اثبات مي رساند. در اين پژوهش نيز با استفاده از نسبت هاي مالي (نسبت هاي سوآوري) و فاكتورهاي ديگر كه جهت پيش بيني فروش و هزينه به كارگرفته شد، توانايي شبكه عصبي درراستاي نيل به هدف به اثبات رسيد و با توجه به تأييد شدن فرضيه هاي مورد نظر مي توان ازشبكه عصبي به عنوان يك روش مطمئن در جهت پيش بيني فروش و هزينه در جهت كسب سود و برآوردن انتظارات سرمايه گذاران، اعتبار دهندگان بالفعل و بالقوه و ساير افراد نام برد و آن را به كارگرفت.

This article tries to forecast sales and expenses listed companies in Tehran Stock Exchange using neural network techniques. Our review sample under Farabi Pharmaceutical Manufacturing Company, a member of the Tehran Stock Exchange is in between 80 to 89. To achieve a logical flow and use of the practical results of the study (70%) as a primary training group and 30% by year end as the experimental group and accreditation in the network to Kargrftym. In this study the function newff feedforward neural network in matlab with 5 hidden layer is used for learning. Tansig sigmoid functions and construction purelin linear function in order for the hidden and output layers and repeat 20000 (epoch) is used to train the network. In this study, using financial ratios (ratios Svavry) and other factors designed to forecast sales and expenses was used, the ability of the neural network in order to achieve the goal proved with regard to verification of hypotheses Mvrdnzrmy the network of nerve as a reliable method to forecast sales and expenses in the profit and fulfill the expectations of investors, actual and potential creditors and other persons named in initiating it.Keywords: forecasting, sales and expenses, Neural Network Stock Exchange.