پديد آورنده :
سالم قهفرخي، فريمهر
عنوان :
ارائه‌ي يك روش جديد پيش‌بيني جهت روند تغييرات به منظور افزايش سوددهي در فرآيندهاي تصميم‌گيري مالي
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
بهينه‌سازي سيستم ها
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
ده، 64ص.: مصور، جدول، نمودار
استاد راهنما :
مهدي خاشعي
توصيفگر ها :
دقت در جهت , الگوريتم‌هاي پيش‌بيني , قيمت سهام , بازارهاي مالي , رگرسيون خطي چند متغيره
استاد داور :
علي زينل همداني، صبا صارمي‌نيا
تاريخ ورود اطلاعات :
1400/09/23
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1400/09/27
چكيده فارسي :
پيش‌بيني از مهم‌ترين ابزارهاي علم مديريت است كه نقش بسزايي در فرآيند تصميم‌گيري مديران ايفا مي‌نمايد. اساساً پيشرفت و موفقيت ارگان‌ها و سازمان‌ها با بكارگيري پيش‌بيني‌هاي درست از آينده محقق مي‌گردد. گستردگي ادبيات موضوع و ارائه‌ي روزافزون روش‌هاي متعدِّد پيش‌بيني بر اهميت اين موضوع دلالت دارد. پيش‌بيني در دنياي امروز به سبب عدم قطعيت و ابهامات فراوان نيازمند روش‌ها و تكنيك‌هاي مدلسازي دقيق مي‌باشد. معيار انتخاب مدل پيش‌بيني كارآمد، نسبت به شرايط و نياز تصميم‌گيرندگان از جمله مواردي است كه سبب شده تا محققان و متفكران تحقيقات گسترده‌اي را به اين موضوع اختصاص دهند. معيار اصلي تصميم‌گيرندگان و سرمايه‌گذاران حوزه‌هاي مختلف مديريتي به ويژه حوزه‌ي مديريت مالي، جهت انتخاب مدل‌هاي پيش‌بيني، كسب سود حداكثري است. رويه‌ي معمول در ادبيات موضوع روش‌هاي پيش‌بيني، به حداقل رساندن خطاي مدل به منظور حصول حداكثري سود در فرآيندهاي تصميم‌گيري مبتني بر مدلسازي مي‌باشد اما در تمامي اين روش‌ها تنها از معيارهاي خطاي فاصله‌اي، يعني تابعي از فاصله‌ي مقادير پيش‌بيني شده و مقادير اصلي، استفاده شده است. اين در حالي است كه جهت روند تغييرات متغير هدف نيز به عنوان يك معيار دقت مي‌تواند در فرآيندهاي مدلسازي لحاظ گردد. بر اين اساس، هدف اصلي اين پژوهش ارائه‌ي كلاس جديدي از روش‌هاي پيش‌بيني است كه برخلاف روش‌هاي سنتي در ادبيات موضوع، تاكيد بر حداكثر نمودن نرخ صحيح جهت حركتي دارد. در اين پايان نامه به منظور اجراي فرآيند پيشنهادي، از مدل رگرسيون خطي چندگانه كه يكي از بنيادي‌ترين و شناخته‌شده‌ترين روش‌هاي آماري است، استفاده شده است. نتايج بدست آمده از ميزان سودآوري در بازارهاي مالي نشان مي‌دهد كه نرخ بازگشت به سرمايه در تصميمات اتخاذي براساس روش پيشنهادي برتري معني‌داري نسبت به مدل رگرسيون كلاسيك دارد. نرخ بازگشت به سرمايه‌ي مدل پيشنهادي به طور متوسط برابر با 23 درصد بوده است. اين درحالي است كه نرخ بازگشت مدل رگرسيون كلاسيك برابر با 18 درصد بوده كه نشانگر 20 درصد بهبود در اتخاذ تصميمات مي‌باشد. همان‌گونه كه اشاره شد اگرچه فرآيند پيشنهادي در اين پايان نامه تنها براساس مدل رگرسيون كلاسيك اجرا شده است اما قابليت بكارگيري در ساير روش‌هاي آماري و غير آماري را نيز دارد.
چكيده انگليسي :
One of the most vital tools in managerial decision-making is forecasting. Accurate forecasting of the future is one of the most essential factors in the performance of organizations. This subjectʹs importance is indicated by the expanded literature review and its various proposed methods. Due to todayʹs world uncertainties, accurate modeling methods and techniques are vital. A significant amount of research has been devoted to selecting an efficient forecasting model that meets the needs of decision makers. Management decision makers and investors are concerned with choosing the best model for maximizing profits, especially in the financial field. Studies of prediction methods focuses on minimization of error in order to maximize profits; however, these methods are distance-based error, i.e., the function of the distance between the predicted values and the actual values. Nevertheless, the direction of a target variable can also act as a measure of accuracy. As a result, this study proposes a new class of forecasting methods that emphasize maximizing accurate rate of direction, in contrast to traditional methods used in the literature. For the purpose of implementing the proposed process, a multiple linear regression model has been used, which is one of the most fundamental and well-known statistical methods. Based on the results of the research, the proposed method has a significant advantage over the classic regression model in terms of the rate of return on investment in financial markets. The proposed model had a return on investment of equal to 23%. In contrast, the return rate for the classical regression model is equal to 18%, indicating an improvement of 20% in decision making process. In spite of the fact that the process described in this thesis is applied only to the classical regression model, it can be applied to other statistical and non-statistical methods as well.]k[
استاد راهنما :
مهدي خاشعي
استاد داور :
علي زينل همداني، صبا صارمي‌نيا
