مقایسه توان مدلهای آشوبی و شبکه عصبی مصنوعی در تبیین بازده غیرعادی سهام پیرامون تاریخ انتشار صورتهای مالی سالانه

امروزه مهمترین معیار ارزیابی عملکرد واحدهای تجاری، نرخ بازده سهام است. از آن جا که بشر علاقه زیادی به پیشبینی حوادث آینده دارد تا از طریق آن بتواند آثار ناشی از حوادث را به نحوی کنترل نموده و تبعات منفی ناشی از آن را به حداقل برساند، پیش بینی و تبیین قیمت و بازده سهام نیز همواره از موضوعات مورد توجه در حوزه آکادمیک می باشد. بنابراین در تحقیق حاضر، داده های مربوط به بازده غیرعادی سهام 177 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1387 تا 1396 با استفاده از تجزیه و تحلیل تکنیکی و کشف روند گذشته پیرامون تاریخ انتشار صورت های مالی سالانه بررسی گردید. همچنین به منظور پیش بینی بازده غیرعادی سهام  از مدل های آشوبی SETAR وLSTAR، مدل خطی AR و مدل شبکه عصبی مصنوعی (با به کارگیری سه عامل فاما-فرنچ) استفاده شد. در نهایت مدل شبکه عصبی مصنوعی به عنوان مدل بهینه انتخاب گردید.