آیا می‌توان با بهره گرفتن از تلفیق مدل‌های DEA و PCA شرکت‏های ورشکسته در صنایع فلزات و خودروسازی و ماشین آلات در بورس اوراق بهادار را پیش بینی کرد؟
آیا می‌توان با بهره گرفتن از تلفیق مدل‌های DEA و PCA شرکت‏های ورشکسته در صنایع شیمیایی و پتروشیمی در بورس اوراق بهادار را پیش بینی کرد؟
آیا بین نتایج بدست آمده از سه گروه برای تفکیک شرکت‏های سالم و ورشکسته تفاوت معنی دار وجود دارد؟

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۱-۴- روش تحقیق
در این پژوهش ابتدا شرکت‏ها را بر اساس سیستم تولید و ریسک‌های مالی در سه گروه دسته بندی نموده و سپس محاسبات هر دسته جداگانه انجام می‏گیرد. ابتدا داده های استخراج شده از صورت‌های مالی برای کاهش ابعاد وارد مدل PCA نموده و سپس خروجی این مدل برای سنجش کارایی وارد مدل DEA می‏گردد و از روی عدد کارایی بدست آمده (که عددی بین ۰و۱ می‏باشد) سالم یا ورشکسته بودن شرکت‌های هر دسته پیش بینی می‏گردد. این عمل برای یک سال و دو سال قبل از ورشکستگی برای هر دسته انجام می‏گیرد. به عنوان مثال شرکتی در سال ۱۳۸۲ ورشکسته شده است؛ حال با جمع آوری اطلاعات مالی سال‌های ۱۳۸۱ و ۱۳۸۰ بررسی می‏گردد که آیا مدل مورد استفاده در این پژوهش توان پیش بینی این ورشکستگی را در یک سال و دو سال قبل از ورشکستگی دارا بوده است یا خیر. توضیحات تفصیلی روش پژوهش در فصل ۳ قرار گرفته است.
۱-۵- قلمرو زمانی و مکانی تحقیق
این پژوهش مربوط به شرکت‏های تولیدی حاضر در بورس اوراق بهادار تهران می‏باشد که حد فاصل سال‌های ۱۳۷۹ تا ۱۳۸۹ بر اساس ماده ۱۴۱ قانون تجارت به آستانه ورشکستگی رسیده‏اند.
۱-۶- تعاریف واژه‌ها
تحلیل پوششی داده‌ها: روشی غیر پارامتریک و مبتنی بر برنامه ریزی خطی جهت تعیین کارایی واحدهای تصمیم گیرنده (DMU) یا بنگاه‌های اقتصادی بر اساس داده‌ها و ستانده‌هاست.
DMU (واحد تصمیم گیری): نهادی است که داده‌ها را به ستانده‌ها تبدیل می‌کند
ورشکستگی^[۴]: طبق ماده ۴۱۲ قانون تجارت، ورشکستگی تاجر یا شرکت تجاری در نتیجه توقف از تادیه وجوهی که بر عهده اوست حاصل می‌شود.
آستانه ورشکستگی: ورشکستگی آخرین مرحله از حیات اقتصادی شرکت‏ها است و بر همه ذینفعان شرکت تاثیر می‌گذارد. بنابراین پیش بینی ورشکستگی از اهمیت زیادی برخوردار می‏باشد. با توجه به اینکه فرایند حقوقی به منظور شناسایی شرکت‏های ورشکسته امری زمان بر است بنابراین در این پژوهش بر اساس ماده ۱۴۱ قانون تجارت از مفهوم آستانه ورشکستگی برای شناسایی شرکت‏های ورشکسته در بورس اوراق بهادار تهران استفاده شده است. (فدایی نژاد، اسکندری ۱۳۸۹)
بر اساس ماده ۱۴۱ قانون تجارت شرکت‏های با حداقل زیان انباشته ای معادل نصف سرمایه، ورشکسته و ملزم به اعلام انحلال یا کاهش سرمایه هستند.
آنالیز اجزای اصلی: یک روش آماری اختیاری چند متغیری است. اگر در جایی مهم‌ترین متغیر یا یک تعداد محدودی از متغیرها دریک مجموعه باید انتخاب شوند، می‌توان از آنالیز اجزای اصلی کمک گرفت .
صورت‌های مالی^[۵]: خروجی‏های مالی محاسبه شده در فرایند حسابداری که در مدت زمان مشخص به صورت رسمی توسط شرکت‏ها ارائه می‏گردد. ۴ صورت مالی پایه عبارتند از: ترازنامه، صورتحساب سود و زیان، جریان وجوه نقد و صورتحساب سرمایه (Kramer & Johnson, 2008) که در این پژوهش منظور از صورت‌های مالی دو صورت: سود و زیان و ترازنامه می‏باشد.
۱-۷-استفاده کنندگان از نتایج پژوهش
از نتایج بدست آمده این پژوهش گروه‏هایی چون شرکت‏های موجود در نمونه این پژوهش، بانک‌ها و موسسات مالی که تامین کنندگان مالی بالقوه این شرکت‏ها هستند، سازمان بورس اوراق بهادار، محققان مالی و سرمایه گذاران و … می‏توانند بهره برداری نمایند.
فصل دوم
مبانی‌نظری و پیشینه تحقیق
فصل دوم- مبانی و پیشینه تحقیق
مقدمه
در پژوهشات گذشته‌ای که در زمینه پیش بینی ورشکستگی سازمان‏ها صورت گرفته، بیشتر از روش‌هایی مانند نسبت‌های مالی، مدل تشخیصی چندگانه و شبکه‌های عصبی مصنوعی استفاده شده است.
اما از سال ۱۹۹۴ به بعد روش تحلیل پوششی داده‌ها نیز به این روش‌ها اضافه شد. این روش برخی اوقات به عنوان روش مکمل و برخی اوقات نیز به عنوان روش اصلی برای پیش بینی مورد استفاده قرار گرفت که بعضا نتایج خوبی ارائه ‌کرد. در این فصل بیشتر به این پژوهشات پرداخته می‏شود.
همچنین در این فصل مدل‌های مورد استفاده در این پژوهش و الگوی مفهومی پژوهش نیز تشریح خواهد شد.
۲-۱- پایه تئوریک تحقیق
۲-۱-۱-تحلیل پوششی داده‌ها
روش‌های متعددی برای اندازه گیری کارایی ارائه شده که آن‏ها را به دو رویکرد پارامتریک و ناپارامتریک طبقه بندی می‌کنند رویکرد پارامتریک که از روش‌های آماری استفاده می کند بیشتر در تجزیه و تحلیل مسایل اقتصادی کاربرد دارد . روند رویکرد پارامتریک این گونه است که با بهره گرفتن از داده‌های مشاهده شده پارامترهای یک تابع تولید مشخص برآورد می‌شود و سپس بر اساس آن میزان کارآیی واحدهای تحت ارزیابی مشخص می‌شود .از فرضیات مهم این رویکرد می‌توان به مشخص بودن نوع رابطه بین داده‌ها و ستانده‌ها اشاره کرد . این فرض قابلیت کاربردی این رویکرد را تا حدود زیادی کاهش داده است چرا که اغلب نوع تابع در صنایع مختلف مشخص نبوده و در اغلب موارد ارزش یا ضرایب نهاده‌ها و ستانده‌ها به ویژه در سازمان‌های غیرانتفاعی و دولتی مشخص و معین نیست (‏مهرگان، ۱۳۸۳).
رویکرد ناپارامتریک بیشتر در تجزیه و تحلیل مسایل مربوط به کارآیی کاربرد دارد و به ‏جای استفاده از روش‌های آماری به استفاده از روش‌های برنامه ریزی ریاضی تکیه دارد.تمرکز این رویکرد بیشتر بر روی مرز تولید ( مرز کارا ) به جای تابع تولید است (۱۹۸۸Coelli & Tim,) . در این رویکرد نیازی به مشخص بودن نوع تابع تولید ( به عبارت دیگر رابطه بین نهاده‌ها و ستانده‌ها ) و همچنین ارزش یا وزن نهاده‌ها و ستانده‌های واحدهای تحت ارزیابی وجود ندارد بلکه با بهره گرفتن از روش‌های برنامه ریزی ریاضی یک مرز تولید یا مرز کارآیی مشخص می‌شود به عنوان مبنا و معیار ارزیابی کارآیی واحدها مورد استفاده قرار می‌گیرد . این رویکرد به دلیل داشتن ماهیت تجربی و نداشتن مفروضات محدود کننده و انعطاف پذیری بالا قابلیت کاربردی بالایی دارد.
تحلیل پوششی داده‌ها یکی از رویکردهای ناپارامتریک و مبتنی بر برنامه ریزی ریاضی است که ارزیابی کارآیی واحدهای تصمیم‌گیری مشابه را که دارای داده‌ها و ستانده های چندگانه هستند امکان پذیر می‌سازد . در این روش با بهره گرفتن از یک سری بهینه سازی مبتنی بر برنامه ریزی خطی مرز کارا ایجاد می‌گردد . پس از تعیین مرز کارا مشخص می‌شود که آیا واحدهای مورد بررسی روی مرز کارا قرار گرفته‌اند یا خیر و به این وسیله واحدهای کارا و ناکارا از یکدیگر تفکیک می‌شوند که این امر تنها از طریق مشخص کردن ضرایب نهاده‌ها و ستانده‌ها برای هر واحد تصمیم گیری امکان پذیر خواهد بود . در واقع ویژگی تحلیل پوششی داده‌ها در تعیین ضرایب داده‌ها و ستانده‌ها با بهره گرفتن از برنامه ریزی خطی ریاضی است ( امامی میبدی، ۱۳۷۹ ) .
۲-۱-۲-مفهوم کارایی
تا کنون تعریف‌های زیادی از کارایی ارائه شده است. مفهوم کارایی در اقتصاد، تخصیص مطلوب منابع است. موارد زیر برخی از تعاریف متعدد و گوناگونی است که در مورد کارایی صورت گرفته است:
به طور کلی کارایی، معرف نسبت ستاده به نهاده در مقایسه با یک استاندارد مشخص است (برهانی، ۱۳۷۷).
کارایی بیانگر این مفهوم است که یک سازمان به خوبی از منابع خود در راستای تولید نسبت به بهترین عملکرد در مقطعی از زمان استفاده کرده است. محاسبه کارایی با توجه به مقدار خروجی مورد انتظار یا استاندارد با بهره گرفتن از نسبت زیر تعریف می‌گردد.
با توجه به گستره مفهومی کارایی، تعریف دیگری از کارایی به شرح زیر عنوان شده است که معیار خود را بر روی منابع معطوف ساخته است:
در این تعریف، صرفاً مقایسه ای بین منابع مورد انتظاری که برای رسیدن به مقاصد و فعالیت خاص باید مصرف شود و منابع مصرف شده می‌باشد، عنوان می‌شود(مهرگان،۱۳۸۳).
این دو تعریف بالا در واقع یک معیار را در مورد کارایی ارائه می‌دهند، یعنی استفاده از حداقل امکانات جهت به دست آوردن حداکثر تولید. بنابراین در این تعریف،کارایی معیار عملکرد یک سیستم سازمانی بوده که بر میزان منابع (ورودی‌ها) استوار گردیده است.کارایی در حقیقت نسبت بازدهی واقعی به بازدهی بالقوه (استاندارد) می‌باشد(علیزاده،۱۳۸۷).
۲-۱-۳- مفهوم کارآیی در تحلیل پوششی داده‌ها
همان گونه که بیان شد، کارآیی یک واحد مستلزم مقایسه داده‌ها و ستانده های آن واحد است . در ساده‌ترین حالت که تنها یک داده و یک ستانده وجود دارد کارآیی را می‌توان از تقسیم ستانده به داده به دست آورد.
اگر واحد تصمیم گیری دارای داده‌ها و ستانده های چندگانه باشد و ارزش (ضریب ) هر یک از داده‌ها و ستانده‌ها معلوم باشد می‌توان از تقسیم مجموع حاصلضرب مقدار ستانده‌ها در ضرایب (قیمت یا ارزش ) مربوط به مجموع حاصلضرب مقدار داده‌ها در ضرایب مربوطه میزان کارآیی را محاسبه کرد .
(مجموع وزن‏دار شده داده‌ها) / (مجموع وزن دار شده ستانده‌ها) = کارآیی
ولی در اغلب موارد ضریب ( قیمت یا ارزش ) داده‌ها و ستانده‌ها مشخص نیست و یا داده‌ها و ستانده‌ها مقیاس‌های متفاوتی دارند . در این موارد می‌توان از تحلیل پوششی داده‌ها استفاده کرد . در این روش ضرایب داده‌ها و ستانده‌ها برای هر واحد عملیاتی که یک واحد تصمیم گیری خوانده می‌شود به گونه‌ای تعیین می‌شود که کارآیی آن واحد نسبت به سایر واحدها حداکثر شود . در چنین شرایطی کارایی یک واحد عملیاتی در صورتی پایین ارزیابی می‌شود که واحد تصمیم گیری دیگری با در اختیار داشتن منابع کمتر در مقایسه با واحد تحت بررسی حداقل معادله ستانده آن واحد را تولید نماید و برعکس ،کارایی یک واحد تصمیم گیری در صورتی بالا ارزیابی می‌شود که شرط فوق برقرار نباشد (دیدگاه ورودی محور) همچنین می‌توان ا دعا کرد کارایی یک واحد عملیاتی در صورتی پایین ارزیابی می‌‏شود که واحد تصمیم گیری دیگری با در اختیار داشتن منابع کمتر یا مساوی با منابع تحت بررسی، ستانده بیشتری را تولید نماید و برعکس، کارایی یک واحد تصمیم گیری در صورتی بالا ارزیابی می‌شود که شرط فوق برقرار نباشد (دیدگاه خروجی محور) . همان‌گونه که در ادامه مطرح خواهد شد برای هر یک از این دو دیدگاه یک مدل متفاوت مبتنی بر تحلیل پوششی داده‌ها مورد استفاده قرار می‌گیرد.
۲-۲-۴- انواع کارایی
دو جزء از کارایی در سطح بنگاه مورد استفاده هستند. یکی کارایی فنی و دیگری کارایی تخصیصی می‌باشد. ترکیب این دو جزء کارایی اقتصادی بنگاه را نشان می‌دهد. مفهوم سوم کارایی در نظر فارل، کارایی ساختاری است که می‌توان از آن برای سنجش کارایی صنعت استفاده کرد.
به طور کلی برای انواع کارایی چهار تعریف ذیل قابل ارائه می‌باشند:
الف) کارایی فنی: این کارایی نشان دهنده میزان توانایی یک بنگاه برای حداکثر سازی میزان تولید با توجه به منابع و عوامل تولید مشخص شده است. به عبارت دیگر میزان توانایی تبدیل ورودی‌ها مانند نیروی انسانی، ماشین آلات و … به خروجی‌ها، در مقایسه با بهترین عملکرد، توسط کارایی فنی سنجیده می‌شود. کارایی فنی تحت تاثیر عواملی مانند عملکرد مدیریت، مقیاس سازمان یا اندازه عملیات قرار می‌گیرد.
ب) کارایی تخصیصی: این کارایی بر تولید بهترین محصولات با بهره گرفتن از کمترین هزینه ترکیب ورودی‌ها دلالت می‌کند. پاسخگویی به این سوال که آیا «قیمت ورودی‌های مورد استفاده به گونه ای است که هزینه تولید را حداقل کند» به عهده این کارایی است. کارایی تخصیصی را کارایی قیمت نیز می‌گویند.
ج ) کارایی ساختاری: کارایی ساختاری یک صنعت از متوسط وزن کارایی شرکت‏های آن صنعت به دست می‌آید. با بهره گرفتن از معیار کارایی ساختاری می‌توان کارایی صنایع مختلف با محصولات متفاوت را مقایسه کرد.
د) کارایی مقیاس: این کارایی یک واحد از نسبت «کارایی مشاهده شده» آن واحد به «کارایی در مقیاس بهینه» به دست می‌آید. هدف این کارایی تولید در مقیاس بهینه است.
همان طور که بیان شد فارل کارایی اقتصادی کل را به دو جزء کارایی فنی و کارایی تخصیصی تقسیم کرده است یعنی :

فهرست جدول‌ها
عنوان صفحه
جدول ۳-۱- جنسیت، تعداد و درصد دانش‌آموزان با کم‌توانی ذهنی ۷۲
جدول ۳-۲- زیرمقیاس‌های همدلی جولیف و فارینگتون ۷۴
جدول ۳-۳- ضرایب همبستگی بین زیرمقیاس‌های پرسشنامه همدلی با نمره کل ۷۶
جدول ۳-۴- نتایج تحلیل عاملی پرسشنامه همدلی ۷۷
جدول ۳-۵- ضرایب آلفای کرونباخ برای پرسشنامه همدلی ۷۷

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

جدول ۳-۶- ضرایب همبستگی بین زیرمقیاس‌های پرسشنامه مشکلات رفتاری
با نمره کل ۷۹
جدول ۳-۷- ضرایب آلفای کرونباخ برای زیرمقیاس‌های مشکلات رفتاری ۸۰
جدول ۴-۱- میانگین و انحراف استاندارد نمره ابعاد و نمره کل مشکلات رفتاری
دانش‌آموزان کم‌توان ذهنی ۸۲
جدول ۴-۲- میانگین و انحراف استاندارد نمره مشکلات رفتاری آزمودنی‌ها به
تفکیک جنسیت ۸۳
۸۴

۸۵
۸۶
۸۶
۸۷
۸۸
جدول ۴-۹- میزان پیش بینی کنندگی همدلی کل برای مشکلات رفتاری کل
در پسران ۸۹
جدول ۴-۱۰- میزان پیش بینی کنندگی همدلی کل برای مشکلات رفتاری کل
در دختران ۸۹
فصل اول
مقدمه
۱-۱-کلیات
بیش از دو درصد جمعیّت هرجامعه­ای را کودکان و افراد کم ­توان ­ذهنی^[۱] تشکیل می­ دهند. کم ­توان ذهنی بیان­کننده محدودیت­های اساسی در کارکرد کنونی فرد است. بدون شک میان بروز قابلیت‌های فردی و شرایط محیطی ارتباط تنگاتنگی وجود دارد. محیط­های مناسب و مساعد موجب رشد و تحوّل فرد می­شوند وکیفیت زندگی را بهبود می­بخشند. ویژگی­های کم­توانی عبارتند از: کارکرد هوشی زیر متوسط و وجود محدودیتهای همزمان مرتبط با محدودیتها در دو یا چند حوزه از حوزه ­های مهارت­ های سازشی کاربردی و وجود این شرایط از زمان کودکی (انجمن کم توانی ذهنی آمریکا^[۲]، ۱۹۹۲، ترجمه به­پژوه و غباری، ۱۳۸۰). کم­توانی ذهنی، مرض یا بیماری روانی نیست، بلکه نوعی شرایط خاص و پیچیده ذهنی است. در مورد کودکان کم ذهنی با توجه به محدودیت­های ویژه آنها، نسبت به کودکان عادی، می­توان انتظار داشت که رفتارهای پرخاشگرانه و سازش­نایافته بیشتری از آنها بروز کند. آنان به سبب محدودیت­های گوناگون که غالباً از محدودیت­های شناختی آنها ناشی می­ شود، با شکستهای متعددی روبه­رو می­شوند و پیامد همه این عدم موفقیت­ها ناکامی است که خود سرآغاز پرخاشگری به شکل گوناگون خواهد بود (آذرنیوشان، به­پژوه و غباری­بناب، ۱۳۹۱). کودکان کم ­توان ذهنی علاوه بر مشکلات شناختی به مشکلات رفتاری و عاطفی نیز دچارند. مشکلات رفتاری را می توان از نظر فراوانی و ماهیت به دو دسته مشکلات کمبود رفتار و مشکلات فزونی رفتار تقسیم کرد. مشکلات کمبود رفتار عبارتند از: عدم تلفظ درست کلمات، گوشه­گیری و عدم معاشرت با همسالان، انجام ندادن تکالیف درسی و نظایر آن. در مقابل از سرو صدا راه انداختن زیاد، پرخاشگری، پرحرفی و بیش­فعالی می­توان به عنوان نمونه‌هایی از مشکلات فزونی رفتار یاد کرد (فرخنده و به­پژوه، ۱۳۸۲). اختلال­های رفتاری مشکلات فردی و اجتماعی فراوانی را به وجود می­آورند. کودکان مبتلا به این اختلال­ها، خانواده، آموزشگاه و اجتماع را با مسائل و دشواری گوناگون مواجه می­ کنند و آنها را نیز در برابر آشفتگی‌های روانی و اجتماعی دوران نوجوانی و بزرگسالی آسیب­پذیر می­سازند (سیف، ۱۳۸۷).
بخش اعظم افراد کم ­توان ذهنی دارای مشکلات رفتاری جدّی نیستند، اما در اغلب موارد وجود مشکلات رفتاری فرد را به کم­توانی ذهنی او مرتبط می­دانند. علّت اصلی معمولاً در مجموعه ­ای از عوامل محیطی، عاطفی و روانی فرد وجود دارد، نه فقط توان ذهنی او. با این وجود دسته­ای از افراد مبتلا به کم­توانی ذهنی وجود دارند که در انطباق خود با شرایط معمول زندگی دچار اختلال و مشکلات جدی هستند و این اختلال­ها می ­تواند در روند یادگیری و آرامش زندگی فرد و اطرافیان وی مشکل ایجاد کند (صمدی، ۱۳۸۸). نقش سرنوشت­سازی در تعادل رفتاری و به­هنجارسازی کودکان و نوجوانان ایفا می­ کند. یافته­های محققان از بزهکاران در بسیاری از نقاط دنیا نمایانگر آن است که بسیاری از بزهکاران در دوران کودکی از نوازش مادری و محبت پدری محروم بوده و همواره از این کمبود رنج برده­اند (کامران، ۱۳۸۴). همچنین از دیدگاه روان‌شناسی اجتماعی بسیاری از معضلات کنونی جامعه بشری مانند خشونت از فقدان رفتار همدلی سرچشمه می­گیرد (درویزه، ۱۳۸۲). بالبی^[۳] (۱۹۵۱) در بررسی­ خود در زمینه برقراری ارتباط عاطفی در محیط خانواده از بدو تولد، به­ ویژه ارتباط عاطفی مادر و فرزند، نشان داد که رابطه عاطفی مناسب باعث می‌شود فرزندان در سنین کودکی و نوجوانی، کم­­تر با آشفتگی­های روانی و ناسازگاری­های اجتماعی و مشکلات رفتاری رو به رو شوند. به طور کلی کودکان و نوجوانان بیش­تر تحت تاثیر مادران قرار می­گیرند و نبود مهر مادری در ارتباط با رفتارهای ناسازگارانه، در بررسی­های مختلف گزارش شده است (درویزه، ۱۳۸۳). بنابراین بررسی موضوع مربوط به نقش همدلی مادران در بروز مشکلات رفتاری کودکان کم ­توان ذهنی می ­تواند از اهمیّت بالایی برخوردار باشد.
۱-۲- بیان مسأله
اختلال­های رفتاری تا حد زیادی وضعیت اجتماعی و تحصیلی کودکان را تحت تاثیر قرار می‌دهند، تا آنجا که این کودکان نمی ­توانند به درستی مسیر طبیعی رشد را بپیمایند، به همین دلیل، این موضوع در عرصه آموزش و پرورش نظر معلّمان و صاحب­نظران را به خود معطوف کرده است. همچنین دانش ­آموزان با اختلال‌های رفتاری در مقایسه با دانش ­آموزان عادی، ۳/۱۳ بار بیشتر ممکن است در مدرسه توبیخ شوند. کودکان با اختلال­های رفتاری که مهارت­ های شخصی و اجتماعی ضعیفی نشان می­ دهند، بیشتر از کودکان دیگر که ناتوانی ندارند ممکن است در دوران مدرسه قربانی شوند (هاردمن، درو و ایگان ۲۰۰۲^[۴]،ترجمه علیزاده و همکاران، ۱۳۸۸). علاوه بر این، دانش ­آموزان دارای اختلال رفتاری ممکن است اختلال­های دیگری نیز داشته باشند که موجب پیچیده­تر شدن مشکل آنها می­ شود.
در ایران اسلامیه (۱۳۸۷) میزان شیوع اختلال­های رفتاری در بین دانش ­آموزان دوره ابتدایی را یک سوم از کل جمعیّت دانش ­آموزان گزارش داد. مروری بر تحقیقات گذشته نشان می­دهد که کودکان کم ­توان ذهنی ­مشکلات رفتاری متعددی را تجربه می­ کنند. همچنین بررسی­ها بیانگر وجود همزمان سایر اختلال­های روانی با کم­توانی ذهنی می­باشد (آنگلد، کاستلو و ارکانلی^[۵]، ۱۹۹۹؛ پورافکاری، ۱۳۸۴).
طبقات با اختلال­های روانی در افراد کم ­توان ذهنی به همان­گونه است که در افراد عادی مشاهده می­ شود، با این حال نتایج چندین مطالعه زمینه­یابی، نشان داده است که در حدود دو سوم کودکان و بزرگسالان کم ­توان­ ذهنی به سایر اختلال­های روانی مبتلا هستند که این میزان چندین برابر میزان شیوع این اختلال­ها در جمعیّت عادی است. هر چه شدت کم­ بیشتر باشد خطر ابتلا به سایر اختلال­ها بیشتر می­ شود (کاپلان و سادوک^[۶]، ۲۰۰۳؛ ترجمه پورافکاری، ۱۳۸۴). انجمن روان­پزشکی آمریکا^[۷] (۲۰۰۰) نشانه­ های آسیب روان‌شناختی معنادار در افراد کم ­توان ذهنی را سه تا چهار برابر بیشتر از افراد عادی گزارش کرده است. کودکان و نوجوانان کم ­توان ­ذهنی در مقایسه با همسالان به هنجار خود، مشکلات رفتاری و اجتماعی بیشتری نشان می­ دهند (لوول و رایس^[۸]، ۱۹۹۳). آنها به هنگام بازی تعامل اندکی با سایر کودکان دارند و ترجیح می­ دهند به تنهایی بازی کنند. بررسی­ها نشان دادند که افراد کم ذهنی به میزان بیشتری از سوی دوستان و همسالان خود طرد می­شوند و دانش ­آموزان عادی نمی ­توانند آنها را بپذیرند. این طرد­شدگی با میزان رفتارهای نامناسب آنها ارتباط دارد (حسین خانزاده­­فیروزجاه و پرند، ۱۳۸۶). در حال حاضر اندیشه مطلوب این است که مشکل صرفاً ناشی از رفتار کودک یا ناشی از محیط کودک نیست. مشکل به علّت مناسب نبودن تعاملات بین کودک و محیط اجتماعی به وجود می ­آید (علیزاده، ۱۳۸۸). بنابراین مسئولیت جامعه در مورد کودکان و نوجوانان کم ­توان ذهنی به مراتب سنگین­تر از کودکان عادی است. اگر جامعه نتواند زمینه مناسب را برای رشد این کودکان فراهم نماید، فرایند رشد طبیعی آنان دچار اختلال می­ (نوروزی، ۱۳۸۹). تجربه ­های نخستین کودکان با مراقبان، به­ ویژه مادر در شکل­ گیری و تحول قسمت‌هایی از ساختار روانی مانند هیجان، شخصیت و رفتار نقش مهمی دارند. برای مثال دلبستگی نوزادان با مراقبان­شان احتمالاً باعث افزایش یادگیری و کنار آمدن با استرس می­ شود. سوءاستفاده یا نادیده­انگاری می ­تواند برای تمام عمر در سطح مغزی برای تحمل استرس یا برقراری روابط سالم با دیگران اثرات منفی داشته باشد (مرادی و رضایی جمالوئی، ۱۳۹۲).
سایکوجیو و همکاران^[۹] (۲۰۰۸) پژوهشی با عنوان همدلی والدینی و ارتباطش با ابعاد آسیب روانشناختی والد و کودک انجام دادند. در این پژوهش ۲۶۸ مادر کودکان سن مدرسه پرسشنامه همدلی کودک محور و پریشانی شخصی درونی و علایم آسیب روانشناختی خود و کودکشان را تکمیل کردند. نتایج نشان داد که علایم آسیب روانشناختی کودکان از جمله مشکلات رفتاری باعث کاهش همدلی مادر و افزایش پریشانی شخصی درونی وی می­ شود. بین مشکلات رفتاری کودکان و همدلی مادران یک رابطه دو سویه برقرار است. بدین معنی که مشکلات رفتاری کودکان باعث کاهش همدلی مادرمی­شود و نقایصی در همدلی مادر باعث ایجاد مشکلات رفتاری می­ شود. همچنین نتایج نشان داد که والدین کودکان مبتلا به مشکلات رفتاری در مقایسه با والدین کودکان گروه کنترل، نسبت به کودکان­شان رفتار انتقاد­جویانه دارند. یافته­ ها نشان دادند که افسردگی مادر با مشکلات برون­ نمود و مشکلات درون نمود و اختلال کارکردی در نوجوانان مرتبط است و رفتار انتقادجویانه واسطه افسردگی و مشکلات درون نمود و برون نمود و اختلال کارکردی در نوجوانان است (نلسون و همکاران^[۱۰]، ۲۰۰۳). در واقع مادران افسرده تمایل دارند با فرزندان­شان با خشونت رفتارکنند. به طور خاص همدلی ممکن است به والدین در جهت سلامت فرزندان­شان کمک کند، رقابت برای خواسته ­ها در روابط بین والدین و فرزندان کاهش یابد و توانایی والدین برای درک نیازهای فرزندان­شان و عمل به آن را تسهیل کند. در مقابل والدین با نقایصی در همدلی ممکن است به نشانه­ها، کمتر حساس و کمتر پاسخگو وگرم باشند.
با توجه به رواج زیاد مشکلات رفتاری در کودکان؛ بالاخص کودکان با کم­توانی ­ذهنی و پیامدهای زیانباری که این مشکلات برای جامعه، خانواده و خود فرد از یک­ ­سو و این­که از سوی دیگر مشکلات مذکور می­توانند به دلایل مختلف محیطی و روانی از جمله نوع ارتباط والدین در محیط خانواده به ویژه مادر بروز نمایند؛ بنابراین می­توان به این نتیجه دست یافت که پژوهش در این حوزه ضرورت بسیاری دارد. با این­ وجود اگر چه پژوهش­های متعددی در داخل و خارج از کشور در زمینه همدلی (جان بالبی، ۱۹۵۱؛ درویزه، ۱۳۸۲) انجام گرفته است؛ اما بررسی­های به عمل آمده نشان می­دهد که موضوع همدلی و تاثیر آن بر مشکلات رفتاری کودکان با کم­توانی ­ذهنی کمتر مورد پژوهش قرار گرفته است؛ به همین دلیل پژوهش حاضر به بررسی این موضوع می ­پردازد که آیا عدم همدلی مادران می ­تواند پیش ­بینی­کننده­ قوی مشکلات رفتاری کودکان کم ­توان ­ذهنی باشد؟
۱-۳- ضرورت و اهمیّت پژوهش
بسیاری از پژوهشگران اختلال­های رفتاری را مشکلات شایع و ناتوان­کننده ­ای می­دانند که برای خانواده، محیط و کودک مشکلات بسیاری ایجاد می­ کنند. اختلال­های رفتاری معمولاً نخستین بار در سالهای آغازین دوره ابتدایی مشاهده شده و بین ۸ تا ۱۵ سالگی به اوج خود می­رسند (عطایی­فر و تیموری، ۱۳۸۹).
رفتارهای نابهنجار و غیرعادی در کودکان انواع و شکلهای مختلف دارند و از علل بسیاری سرچشمه می­گیرند این رفتارها ممکن است به صورت خشونت، گوشه­گیری و انزواطلبی افراط­آمیز تظاهر کنند. فردی که مبتلا به اختلال رفتاری است از نظر رفتاری غیرعادی و عجیب است. در حقیقت بارزترین مشکل افراد دارای اختلال­های رفتاری، ناتوانی در پایه­ریزی روابط عاطفی رضایت­بخش و صمیمی با سایر افراد است (سیف نراقی و نادری، ۱۳۸۲).
به نظر می­رسد افراد با کم­توانی ذهنی در زمینه ایجاد مشکلات رفتاری آسیب­پذیر باشند (میرباک و تچنر^[۱۱]، ۲۰۰۷). مطالعات انجام شده در استرالیا، اروپا، و ایالت متحده آمریکا با بهره گرفتن از روش­شناسی­های متنوع، به نتایج مشابه گسترده­ای رسیده ­اند. یک اتّفاق نظر کلّی وجود دارد که میزان شیوع اختلال­های رفتاری در افراد با کم ­توان ذهنی نزدیک به ۲۰ درصد است. میزان شیوع بالا نشان می­دهد که کم­توانی ذهنی، به­خودی­خود، یک عامل خطر برای توسعه اختلال­های رفتاری می­باشد (سازمان بهداشت جهانی^[۱۲]، ۲۰۰۱). مشکلات رفتاری شدید در بین افراد با کم ­توان ذهنی اغلب “رفتار چالش­بر­انگیز” نام دارد و پرخاشگری نسبت به دیگران، کج­خلقی، جیغ­کشیدن یا داد زدن و آسیب به خود نمونه­هایی از رفتارهایی هستند که ممکن است برای خانواده و دیگر مراقبان و اطرافیان چالش­برانگیز باشند. این رفتارها ممکن است منجر به انزوای اجتماعی و محروم شدن از مشارکت در فعالیت­های معمول اجتماعی گردد و ایجاد یک وضعیت زندگی شرافتمندانه برای افراد مبتلا به مشکلات رفتاری شدید را بسیار دشوار سازد (میرباک و تتچنر، ۲۰۰۷). کم­توانی ذهنی باعث می­ شود که والدین سبک فرزندپروری نامناسب­تری را برگزینند. به موازات آن کودکان با کم­توانی ذهنی، به احتمال بیشتری سطوح بالاتر مشکلات رفتاری را نسبت به همسالانشان نشان می­ دهند (توتسیکا و همکاران^[۱۳]، ۲۰۱۱).
در آموزش و پرورش استثنایی کشورمان تعدادی از دانش ­آموزان کم ­توان ذهنی به علت داشتن مشکلات ارتباطی و رفتارهای پرخاشگرانه با محیط آموزشی­شان سازگاری و انطباق لازم را نداشته و نمی ­توانند از کلاس درس بهره کافی ببرند؛ بنابراین یا از ساعات آموزشی محدود استفاده می­ کنند یا اینکه آنقدر این رفتارهای نامطلوب پرخاشگری مسائل آموزشی­شان را تحت ­الشعاع قرار می­دهد که بدون هیچ­گونه پیشرفتی در زمینه درسی نهایتاً اخراج می­شوند (افروز، ۱۳۸۸).
از عواملی که به آسیب­های رفتاری و روانی کودکان می­انجامد و روی عملکرد فرد در مدرسه تاثیر می­ گذارد می­توان به نقش والدین اشاره کرد. والدین بر اساس نوع رابطه با فرزندان بیشترین تاثیر را اولاً بر چگونگی شخصیت روانی، اجتماعی و فرهنگی آنها داشته­ و ثانیاً به صورت غیرمستقیم جامعه را متاثر می­ کند (شفیع‌آبادی و ناصری، ۱۳۸۰). در واقع می­توان گفت که بهبود عملکرد تحصیلی دانش ­آموز در مدرسه تا حدودی مستلزم خانواده­ای سالم و روابط بین­گروهی مناسب و مؤثر است. والدین با فراهم کردن فضایی مناسب در خانه به سلامت روانی فرد و کاهش مشکلات رفتاری و بهبود عملکرد مناسب در مدرسه و جامعه کمک می‌کنند. در حقیقت گرمی روابط و عواطف و همچنین پیوند و تعهد عاطفی موجود بین اعضای خانواده خصوصاً والدین و فرزند منجر به عدم بروز رفتارهای ضداجتماعی در فرزندان می­ شود (شهنی ییلاق، عزیزی مهر و مکتبی، ۱۳۹۲). همچنین اعتقاد بر این است که همدلی^[۱۴] به عنوان یک عامل مهم می ­تواند از بروز رفتارهای بزهکارانه و پرخاشگری جلوگیری کند (دیویس و همکاران^[۱۵]، ۱۹۹۶).
بنابراین اگر عوامل پیش ­بینی­کننده و تاثیرگذار بر مشکلات رفتاری توسط پژوهشگران و متخصّصان تعلیم و تربیت شناسایی شوند و به موقع مورد مداخله قرار گیرند و مسئولان ذیربط برنامه­ ریزی دقیق و مناسب­تری در جهت پیشگیری و کاهش این مشکلات انجام دهند زیان­های مادی و معنوی که این مشکلات برای جامعه و خانواده ایجاد می­ کند، را می­توان کاهش داد. نتایج این پژوهش برای سازمان­هایی از جمله سازمان آموزش و پرورش استثنایی، سازمان بهزیستی کل کشور و روانشناسان و مربیان تعلیم و تربیت قابل استفاده خواهد بود. پژوهش حاضر در راستای این اهداف می­باشد.
۱-۴-اهداف پژوهش
۱-۴-۱-هدف کلی
هدف کلی پژوهش حاضر پیش ­بینی ابعاد مشکلات رفتاری دانش ­آموزان کم ­توان­ ذهنی بر اساس همدلی مادران­شان می­باشد.
۱-۴-۲-اهداف جزئی:
در پژوهش حاضر اهداف جزئی زیر بررسی خواهد شد:

1. 1. پیش ­بینی اضطراب دانش ­آموزان کم ­توان ذهنی بر اساس همدلی مادران­شان.

1. 1. پیش ­بینی رفتار ضداجتماعی دانش ­آموزان کم ­توان ذهنی بر اساس همدلی مادران­­شان.

1. پیش ­بینی درخودماندگی دانش ­آموزان کم ­توان ذهنی بر اساس همدلی مادران­شان­.

جدول ۴-۱۰ : اندیکاتورهای انتخاب شده از دسته ها برای ورود به شبکه عصبی ۱۱۱

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

جدول ۴-۱۱ : داده های تخصیص داده شده به شبکه عصبی در هر پایگاه ۱۱۶
جدول ۴-۱۲ : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام بانک پارسیان ۱۲۰
جدول ۴-۱۳ : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام صنایع شیمیای فارس ۱۲۰
جدول ۴-۱۴ : مقایسه نتایج به دست آمده از شبکه عصبی و مدل های رقیب برای سهام فولاد مبارکه اصفهان ۱۲۱
فهرست شکل ها
شکل ۱-۱ : دسته بندی کلی تحلیل های کاربردی در بازار سرمایه ۲۱
شکل۲-۲ : ساختار شبکه عصبی پیش رو (غیر بازگشتی) باسه لایه ،لایه ورودی ، لایه میانی و لایه خروجی ۴۵
شکل۲-۳ : ساختار شبکه عصبی برگشتی با سه لایه ، لایه های دوم و سوم برگشتی می باشند. ۴۵
شکل ۲-۴ : مدل یک نرون خطی و غیرخطی(خطی یا غیر خطی بودن به نوع تابع فعال ساز بستگی دارد) ۴۷
شکل۲-۵ : نحوه عملکرد بایاس در خروجی ترکیب کننده خطی ۴۸
شکل ۲-۶ : توابع فعالسازی(الف) حدآستانه، (ب) خطی تکه‌ای، (ج) سیگموئید تک قطبی، (د)گوسین، (ه) خطی (و) سیگموئید دوقطبی ۵۰
شکل ۲-۷ : شبکه پیشرو با یک لایه فعال (خروجی) ۵۱
شکل ۲-۸ : شبکه عصبی پیشرو با یک لایه مخفی و یک لایه خروجی ۵۲
شکل ۲-۹ : شبکه عصبی بازگشتی بدون حلقه خودپسخور و نرون‌های میانی ۵۳
شکل ۲-۱۰ : شبکه بازگشتی با نرونهای مخفیبا حجم حافظه بالاتر ۵۴
شکل ۲-۱۱ : یک شبکه عصبی با سه نرون و دولایه فعال ۵۶
شکل ۳-۱ : شمای کلی مراحل انجام تحقیق ۸۴
شکل ۳-۱ : شباهت سری های سفید و سیاه با در نظر گرفتن lag 92
شکل ۴-۱ : قیمت های بسته شدن سهام بانک پارسیان و بانک کارآفرین ۱۱۳
شکل ۴-۲ : قیمت های بسته شدن سهام پتروشیمی خارک و صنایع شیمیایی فارس ۱۱۴
شکل ۴-۳ : قیمت های بسته شدن سهام فولاد مبارکه اصفهان و فولاد خوزستان ۱۱۵
شکل ۴-۴ : شبکه عصبی ساخته شده توسط نرم افزار متلب ۱۱۶
شکل ۴-۵ : قیمت های پایین پیش بینی شده و واقعی برای سهام بانک پارسیان ۱۱۷
شکل ۴-۶ : قیمت های بالای پیشش بینی شده و واقعی برای سهام بانک پارسیان ۱۱۷
شکل ۴-۷ : قیمت های پایین پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس ۱۱۸
شکل ۴-۸ : قیمت های بالای پیش بینی شده و واقعی برای سهام صنایع شیمیایی فارس ۱۱۸
شکل ۴-۹ : قیمت های پایین پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان ۱۱۹
شکل ۴-۱۰ : قیمت های بالای پیش بینی شده و واقعی برای سهام فولاد مبارکه اصفهان ۱۱۹

فصل اول

کلیات تحقیق

مقدمه

عدم قطعیت در بازار سرمایه به معنای تفاوت مقادیر مورد انتظار و مقادیری است که در واقعیت اتفاق می‌افتند. طراحی روش‌های تحلیل و پیش‌بینی مختلف در بازار سرمایه نیز به دلیل بالا بودن این مقدار و نیاز به دانستن قیمت‌ها در آینده با قطعیت بیشتر یا عدم قطعیت کمتر بوده است. برای کسب سود در بازار سرمایه، سرمایه‌گذاران همواره به دنبال پیدا کردن سهم مناسب جهت سرمایه‌گذاری و قیمت مناسب برای خرید و فروش بوده‌اند و لذا تمام مدل‌های پیش بینی مطرح شده همواره به دنبال پاسخ دادن به سه سؤال اساسی بوده‌اند؛ چه سهمی، در چه محدوده زمانی و در چه قیمتی خریداری شود و یا به فروش برسد. قبل از بررسی پاسخ‌های داده شده به این سؤالات، باید به سؤال جدی‌تری پاسخ داد. از جمله اینکه آیا پیش بینی بازارهای مالی ممکن است؟!
همچنین، در ادامه باید به این موضوع پرداخته شود که در صورت پیش بینی پذیر بودن بازار سرمایه، باید به بررسی ابعاد مختلف بازار سرمایه و متدهایی که در هر زمینه برای پیش بینی ارائه شده است، پرداخت. در ادامه باید بررسی کرد که چه متدهایی کارایی لازم برای این پیش‌بینی را دارند و آیا ترکیب این متدها به صورت کلی ممکن است یا خیر. در ادامه خواهیم دید که می‌توان ابزار به کار گرفته شده در پیش بینی تمام ابعاد بازار سرمایه را در سه دسته کلی متدهای تکنیکال، متدهای بنیادین و متدهای ریاضی، شامل متدهای کلاسیک سری زمانی و رگرسیون و متدهای هوش مصنوعی قرار داد.
در این پژوهش، با بررسی تمام موارد بالا و امکان سنجی تلفیق متدهای به کارگرفته شده جهت پیش بینی قیمت، به سؤالات مطرح شده پاسخ داده خواهد شد و برای اولین بار، به پیش بینی دو قیمت برای دوره‌های جلوتر پرداخته می شود؛ قیمت بالا و قیمت پایین سهام. به این وسیله، سفته بازان^[۱] می‌توانند با به کارگیری این متد، با دقت قابل قبولی به پیش‌بینی قیمت پرداخته و از طریق نوسان گیری، کسب سود کنند.

۱-۲- نظریه کارایی بازار سرمایه

قبل از (فاما^[۲] ۱۹۷۰)، همه فقط به دنبال پاسخ دادن به سؤالات سه گانه ذکر شده در بازار سرمایه بوده اند. با مطرح شدن نظریه کارایی بازار سرمایه فاما، سؤال بزرگ دیگری نیز پیش روی سرمایه‌گذاران و تحلیل‌گران قرار گرفت؛ آیا اصلا تحلیل و پیش بینی آینده بازار سهام ممکن است؟! فاما با طرح نظریه کارایی بازار سرمایه، بازار را متشکل از سرمایه گذارانی فرض کرد که همگی به اطلاعات یکسانی از گذشته و حال دسترسی دارند. اطلاعات سیاسی، اقتصادی، نهانی و … . در واقع برای باور کردن نظریه فاما حتی لازم نیست همه سرمایه گذاران به اطلاعات یکسانی دسترسی داشته باشند، تنها لازم است تعداد زیادی از سرمایه گذاران به این اطلاعات به صورت یکسان و مساوی دسترسی داشته باشند. زمانی که اطلاعات در دسترس مساوی باشند، ابزارهای تحلیل و پیش بینی نیز یکسان باشند؛ هیچ سرمایه گذاری نمی‌تواند سود غیر عادی کسب کند. برای مثال، اگر اولین نفری که اطلاعات نهانی دارد، قصد خرید یک سهم را بکند؛ در مدت زمانی که در پی انجام این امر است، فروشندگان از این اطلاعات مطلع شده و سهم خود را گران‌تر از قبل می‌فروشند. لذا فرصت کسب سود غیر عادی وجود ندارد. تعریف دقیق و کامل بازار کارای سرمایه نیز عبارت است از: بازاری که سرعت انتقال اطلاعات در آن بسیار زیاد باشد. لذا فاما سه نوع از کارایی را تعریف می‌کند، بازار کارای ضعیف که سرعت انتقال اطلاعات در آن کم است ولی همچنان امکان کسب سود غیرعادی با بهره گرفتن از اطلاعات گذشته ممکن نیست. بازار کارای متوسط که سرعت نقل اطلاعات در آن زیاد است و امکان کسب سود غیر عادی با بهره گرفتن از اطلاعات حال ممکن نیست. بازار کارای قوی که سرعت انتقال اطلاعات در آن بسیار زیاد بوده و حتی دارندگان اطلاعات نهانی نیز فرصت کسب سود غیر عادی ندارند. در نهایت فاما نتیجه می‌گیرد که نوسان قیمت در بازار تصادفی بوده و امکان پیش‌بینی آن موجود نیست.
پس از مطرح شدن نظریه کارایی بازار سرمایه، سرمایه گذاران بازار سرمایه به دو دسته تقسیم شدند. دسته‌ای که به کارایی بازار اعتقاد داشتند، به سرمایه گذاری های بلند مدت روی آوردند، دلیل این امر این بود که این دسته امکان کسب سود از طریق پیش بینی بازار را منتفی دانسته و لذا فرصتی برای کسب سود غیر عادی از طریق خرید و فروش کوتاه مدت وجود ندارد. دسته دیگر سرمایه گذاران به این نظریه اعتقاد ندارند و به آن انتقادهایی دارند. این دسته به پیش بینی بازار سرمایه اعتقاد داشته و لذا از مدل‌های مختلفی برای این پیش‌بینی‌ها استفاده کرده‌اند. این دسته، علاوه بر سرمایه گذاری‌های بلند مدت، به سرمایه گذاری‌های کوتاه مدت و میان مدت نیز پرداخته و از طریق خرید و فروش‌های پیوسته، تلاش در کسب سود غیر عادی می‌کنند.
از جمله انتقادهایی که به نظریه کارایی بازار سرمایه وارد است، می‌توان به قواعد مشهور بازار سرمایه اشاره کرد. از جمله این قواعد می‌توان به پایین آمدن قیمت‌ها به صورت عمومی در پایان هفته‌ها اشاره کرد؛ دلیل این امر این است که در روزهای تعطیل ممکن است اتفاقات ناخوشایندی رخ دهد که باعث افت شدید قیمت‌ها در ابتدای هفته بعد منجر شود. قاعده دیگر پایین آمدن قیمت‌ها در انتهای سال است. به صورت عمومی بازدهی سهامی که P/E بالاتری دارند، بالاتر است. این قواعد که به صورت عرف بازار درآمده‌اند از جمله نقدهایی است که سرمایه گذاران به نظریه کارایی بازار سرمایه که پیش بینی را غیرممکن می‌داند وارد می‌دانند.
انتقاد دیگر سرمایه گذاران، این است که روندهای فصلی، دوره‌ای و خطی و غیرخطی از طریق مدل‌های اقتصادسنجی و سری زمانی کاملا قابل شناسایی و مشهود است. از نظر تجربی، بسیاری از سرمایه گذاران با بهره گرفتن از تحلیل‌های تکنیکال و بنیادین به کسب سود می‌پردازند. (پوا^[۳] ۲۰۰۸) در مقاله‌ای به بررسی روندهای موجود در بازار سرمایه پرداخته و اظهار می‌دارد که از نقطه نظر عملی این نظریه صحیح نبوده و نظریه کارایی بازار سرمایه، در یک بازار کاملا ایده آل صحت دارد. لذا با توجه به انتقادهای ذکر شده و فرصت‌های عملی درک شده در بازار توسط سرمایه گذاران، در این مقاله فرض پیش بینی پذیر بودن بازار سرمایه مورد قبول قرار گرفته و به اولین سؤال مطرح شده به این صورت پاسخ می‌دهیم.

۱-۳- ابعاد مختلف بازار سرمایه و ابزارهای پیش بینی

حال که به پیش بینی پذیر بودن بازار اعتقاد پیدا می‌کنیم، زمان پاسخ دادن به سؤالات سه گانه مطرح شده می‌رسد، چه سهمی، چه محدوده زمانی و چه قیمتی. برای پاسخ دادن به این سؤال از مدل‌های بسیار متنوعی استفاده شده است. مدل‌های که به پیش بینی سهم مورد نظر می‌پردازند عموما با بهره گرفتن از تحلیل‌های بنیادین و روش‌های کلاسیک پیش بینی مثل اقتصاد سنجی و سری زمانی مورد بررسی قرار می‌گیرند. مدل‌هایی که به محدوده زمانی می‌پردازند، در پی یافتن استراتژی خاصی برای معاملات هستند و از مدل‌های تحلیل و پیش بینی تکنیکال یا مدل‌های توسعه یافته هوش مصنوعی بهره می‌برند. در پاسخ به سؤال چه قیمتی، دسته بسیار بزرگی از مدل‌ها به کار می‌آیند. مدل‌های کلاسیک، تحلیل‌های بنیادی، تحلیل‌های تکنیکی و الگوریتم‌های هوش مصنوعی. در این مقاله ما به طور دقیق در پی پاسخ به سؤال سوم، یعنی پیش بینی قیمت هستیم، بیشترین گوناگونی در حوزه پیش بینی نیز در این حوزه است. در ادامه به اختصار به توضیح کوتاهی از انواع مدل‌های پیش بینی و دلیل انتخاب شبکه های عصبی به عنوان مدل منتخب می‌پرازیم.
مدل‌های پیش‌بینی قیمت سهام را می‌توان به صورت کلی در سه دسته جای داد، تحلیل‌های تکنیکال، تحلیل‌های بنیادین و تحلیل‌های با بهره گرفتن از الگوریتم‌های هوش مصنوعی. تحلیل تکنیکال با مطالعه روند تغییرات گذشته قیمت سهام و با این پیش فرض که اتفاقات گذشته در آینده تکرار می‌شود به پیش‌بینی می‌پردازد. در واقع چارتیست‌ها یا همان تکنیکال کاران اعتقاد دارند که تنها چیزی که قیمت سهام را تغییر می‌دهد میزان تقاضا و عرضه در بازار است. در واقع این دسته اعتقاد دارند که قیمت سهام تحت تأثیر هر عامل دیگر بنیادین اقتصادی که تغییر کنند، این عوامل تنها روی عرضه و تقاضا در بازار تأثیر دارند و لذا با پیش بینی این مقادیر می‌توان قیمت‌ها را نیز پیش بینی کرد. دو مدل کلی به کار گرفته شده توسط این دسته عبارتند از تطابق الگوها و استفاده از اندیکاتورها؛ الگوها در واقع روند‌های تغییر قیمت در گذشته هستند که با توجه به اعتقاد به تکرار شدن آنها در آینده می‌توان از انطباق آنها برای پیش بینی آینده استفاده کرد. اندیکاتورها نیز مدل‌های ریاضی هستند که با بهره گرفتن از شاخص‌های قیمتی مثل قیمت باز و بسته شدن و حجم مبادلات انجام شده، عرضه و تقاضا و در نهایت قیمت را پیش‌بینی می‌نمایند.
تحلیل بنیادین با شناسایی عوامل مؤثر بر قیمت سهام و تحلیل تأثیر هر کدام به پیش‌بینی قیمت می‌پردازد. فاندامنتال کاران یا همان استفاده‌ کنندگان از تحلیل بنیادین اعتقاد دارند که عوامل بسیار زیادی در قیمت سهام تأثیر دارند. قیمت‌های جهانی محصولاتی که کمپانی‌ها تولید می‌کنند، قیمت مواد اولیه مورد نیاز آنها و سایر عوامل سیاسی و اقتصادی تأثیرگذار در فروش و سود کمپانی از جمله این عوامل هستند. به طور کلی تحلیل‌هایی که در این حوزه صورت می‌گیرند عبارتند از تحلیل صورت‌های مالی که به دو صورت افقی (مقایسه صورت‌های مالی در طی سالیان مختلف و تحلیل تغییرات آنها) و عمودی (تحلیل عناصر موجود در صورت مالی و مقایسه آنها و بررسی نسبت‌های مالی) و همچنین مدل‌های کلاسیک پیش‌بینی نظیر رگرسیون (پیدا کردن رابطه میان قیمت سهام و متغیرهایی که تعریف می‌گردند) و سری زمانی (شناخت سیکل‌ها و روندهای موجود در قیمت سهام).
الگوریتم‌های هوش مصنوعی که استفاده از آنها به سرعت در حال رشد میان سرمایه گذاران است در واقع تلفیقی از تمام روش‌های پیش بینی ذکر شده با توانایی برازش منحنی‌های غیرخطی با درجه بالا است. این الگوریتم ها قابلیت کار با تعداد زیادی از متغیرها و پیدا کردن رابطه مناسب میان این متغیرها را دارند. آنگونه که ذکر شد، عوامل تأثیر گذار در قیمت سهام بسیار زیاد هستند و مدل‌های کلاسیک و تحلیل‌های قدیمی و تجربی پاسخگوی این تعداد عوامل نیستند. برای پیش بینی‌های کوتاه مدت عموما از مدل‌های کلاسیک سری زمانی و تحلیل تکنیکال استفاده می‌شود، هر کدام از این دو، تعداد زیادی الگوریتم دیگر را شامل می‌شوند که کار جمع بندی و نتیجه گیری را دشوار می‌کند. الگوریتم‌های هوش مصنوعی این قدرت را دارند که تمام این تحلیل‌ها را با یکدیگر به وسیله وزن دهی‌های بهینه ترکیب کرده و یک جواب یکتا و بهینه را ارائه دهد.
از میان الگوریتم‌های هوش مصنوعی، استفاده از شبکه‌های عصبی در مبحث پیش بینی بسیار زیاد است. این امر به دلیل قابلیت شبکه عصبی در کار با تعداد زیادی متغیر، برازش بسیار دقیقی از سری زمانی، تحت تأثیر داده‌های پرت قرار نگرفتن، عدم محدودیت برای درجه خاصی از غیر‌خطی بودن و انعطاف پذیر بودن شبکه در مقابل تغییرات پارامترهای مدل می‌باشد. از جمله اقبالی که به این مدل‌ها شده است می‌توان به تاوارس و همکاران^[۴] (۲۰۱۰)، فاریا و همکاران^[۵] (۲۰۰۹)، تسای و چیو^[۶] (۲۰۰۹) و کارا و همکاران^[۷] (۲۰۱۱) اشاره کرد که در تحقیقات خود، شبکه‌های عصبی را از مدل‌های کلاسیک و دیگر الگوریتم‌های هوش مصنوعی برتر می‌دانند. اولیویرا و همکاران^[۸] (۲۰۱۳) در بررسی جامعی که روی بازار بورس برزیل انجام دادند، به این نتیجه رسیدند که شبکه عصبی از ماشین‌های بردار پشتیبان (SVM) و سری زمانی در امر پیش بینی قیمت کارا هستند.
با توجه به دلایل ذکر شده و نتایج گرفته شده در سایر تحقیقات که قسمتی از آنها ذکر شد، در این مقاله، ما نیز شبکه‌های عصبی را جهت پیش بینی قیمت سهام انتخاب می‌کنیم. نکته مهم در استفاده از شبکه‌های عصبی این است که این شبکه ها در ابتدا با بهره گرفتن از ۷۵ درصد داده ها (به صورت عمومی) وارد فرایند یادگیری می‌شوند. در این مرحله به دلیل قابلیت بالای شبکه عصبی جهت برازش منحنی‌های پیچیده، ممکن است شبکه مدل را پیچیده‌تر از آنی که هست شناسایی کند. این امر باعث می‌شود که مقادیر پیش‌بینی به مقادیر واقعی نزدیک‌تر شوند و تخمین دقیق‌تری در مرحله آموزش صورت گیرد. نکته در اینجاست که حدی از تغییرات و اختلاف میان مقادیر پیش بینی و واقعی به خاطر تصادفی بودن این تغییرات است. در تمام مدل‌های پیش‌بینی این جزء تصادفی وجود دارد ولی شبکه‌های عصبی برای تخمین این مقادیر، از تعداد متغیرهای زیادتری استفاده می‌کنند در حالی که این مقادیر تصادفی بوده و پیش بینی پذیر نیستند. این خاصیت که به آن بیش برازش می‌گویند بزرگترین مشکل شبکه‌های عصبی می‌باشد.

نسبت قیمت به سود تقسیمی

۵۹۳/۰

۸۷۴/۰

۰۵/۰

نرمال

در جدول فوق با توجه به مقدار آماره اسمیرنوف-کلموگروف حاصل شده همچنین مقدار سطح معنی داری می توان استنباط نمود که توزیع مورد انتظار با توزیع مشاهده شده برای تمام متغیرهای فوق تفاوت معنی داری ندارد و بنابراین توزیع این متغیرها نرمال است. بنابراین میتوان از آماره های پارامتریک برای آزمون فرضیه های تحقیق استفاده نمود.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۴-۴: آزمون فرضیه ها

۱٫ فرضیه اصلی: «پیش بینی قیمت سهام و بازده سهام با بهره گرفتن از شبکه های عصبی مصنوعی امکان پذیر است».
۱٫۱٫ پیش بینی پیش بینی قیمت سهام با بهره گرفتن از شبکه های عصبی مصنوعی امکان پذیر است.
H0: پیش بینی پیش بینی قیمت سهام با بهره گرفتن از شبکه های عصبی مصنوعی امکان پذیر نیست.
H1: پیش بینی پیش بینی قیمت سهام با بهره گرفتن از شبکه های عصبی مصنوعی امکان پذیر است.
جدول۴-۳: خلاصه فرایند انجام شده

درصد

نمونه های آموزشی

۵۰%

نمونه های مجموعه تایید

۲۵%

نمونه های مجموعه آزمایش

۲۵%

جمع

۱۰۰%

همانگونه که ملاحظه می شود مجموعه آموزش بزرگترین مجموعه اطلاعات را به خود اختصاص داده است. از این مجموعه برای آموزش شبکه و بدست آوردن پارامترها وزن و … استفاده می شود. داده های مجموعه تایید در حین یادگیری شبکه با داده های آموزش برای مقایسه و پیش بینی استفاده می شود و در نهایت داده هدف شبکه های عصبی، کوشش برای ساخت الگوهایی است که همانند فکر انسان عمل می کند. عملکرد شبکه عصبی ایجاد یک الگوی خروجی بر اساس الگوی ورودی ارائه شده به شبکه عصبی متشکل از تعدادی عناصر پردازشی (نرون های مصنوعی) می باشند که این نرون ها درون داده ها را دریافت و پردازش می کنند و در نهایت، یک برون داد از آن ارائه می دهند. درون داد می تواند داده های خام یا برون داد دیگر عناصر پردازشی باشد. برون داد نیز می تواند محصول نهایی یا درون دادی برای یک نرون دیگر باشد.
یک شبکه عصبی مصنوعی متشکل از نرونهای مصنوعی می باشد که در واقع همان عناصر پردازشی هستند که در ذیل به اختصار معرفی می گردند:
X ها ورودی های نرون یا به عبارتی همان متغیرهای مستقل می باشند، Y یا Y ها خروجی های نرون یا همان متغیرهای وابسته یا تبیین شونده می باشند.W ها وزن های اختصاص یافته به هر ورودی خواهد بود و net تابع مجموع است که در واقع مجموع موزون ورودی ها را محاسبه می کند، f هم تابع تبدیل تابع مجموع است که رابطه بین سطح فعال شدن و برون داد را توصیف می کند و دارای انواع مختلفی از جمله تانژانت هیپربولیک، سیگموئید و … می باشد.
شبکه های عصبی مصنوعی همچنین دارای انواع مختلفی می باشند که دو نوع مهم و پرکاربرد آن شامل شبکه های پیشخور و شبکه های پسخور می باشند. شبکه های پیشخور شبکه هایی هستند که ارتباط در آنها یک طرفه می باشد و از نرون های ورودی اطلاعات به نرونهای دیگر انتقال می یابد. در حالیکه در شبکه های پسخور ارتباط دو طرفه است و جریان اطلاعات از لایه های جلوتر به نرون های اولیه هم منتقل می شوند. شبکه عصبی پرسپترون از نوع شبکه های عصبی مصنوعی پیشخور می باشد که در آن لایه های مختلفی مانند لایه های ورودی، لایه های پنهان و لایه های خروجی وجود خواهد داشت. این معماری پرکاربردترین معماری شبکه عصبی است.
در این تحقیق قصد بر آن است که قیمت سهام براساس اطلاعات مالی گردآوری شده از ۲۱ شرکت را طی یک بازه زمانی ۸ ساله (۱۳۸۵ تا ۱۳۹۱) برمبنای متغیرهای پیش بین (بازده بازار، اهرم مالی، ریسک سیستماتیک، اندازه شرکت، میزان نقد شوندگی سهام و نسبت قیمت به سود تقسیمی) با روش شبکه عصبی پیش بینی شود.

۴-۵: مدل سازی و پیش بینی با بهره گرفتن از شبکه عصبی مصنوعی پرسپترون چندلایه

در این مرحله داده های ورودی به شبکه عصبی به سه بخش ۱٫ مجموعه آموزش شامل اطلاعات ۲۱ شرکت در سالهای ۱۳۸۵ تا ۱۳۸۷ معادل با ۵۰% کل داده ها. ۲٫ مجموعه تایید شامل اطلاعات ۲۱ شرکت در سالهای ۱۳۸۸ و ۱۳۸۹ معادل با ۲۵% داده ها و ۳٫ مجموعه آزمایش شامل اطلاعات ۲۱ شرکت در سالهای ۱۳۹۰ و ۱۳۹۱ می باشند.
مجموعه های آزمایش برای اندازه گیری قابلیت تعمیم شبکه به آن ارائه می شوند.
برای تعیین بهترین شبکه، پس از طراحی های مختلف، نهایتاً شبکه با طراحی ۳ لایه (یک لایه ورودی، یک لایه پنهان و یک لایه خروجی) و تعداد ۱۰ گره در لایه پنهان بهترین برازش را ارائه نمود. بنابراین شبکه ای با طرح (۱-۱۰-۶) ارائه و مورد استفاده قرار گرفت. همچنین بهترین تابع تبدیل (تابع فعال کننده) برای لایه ها یا (تابعی که بین حاصل جمع وزن دهی شده واحدها در یک لایه و مقادیر لایه بعدی ارتباط برقرار می کند) تانژانت هیپربولیک است. یکی از مهمترین مزایایی این روش این است که بصورت خودکار از روش مقیاس بندی مجدد استفاده می کند تا به داده های نرمال شده دست یابد.

۴-۶: اطلاعات شبکه

جدول ۴-۴: جدول اطلاعات شبکه

فصل پنجم)نتیجه گیری ۸۴
۵-۱: مقدمه ۸۵
۵-۲: نتیجه گیری و تحلیل یافته های پژوهش ۸۵
۵-۳: پیشنهادات ۸۶
۵-۳-۱: پیشنهادات برای استفاده کنندگان از نتایج پژوهش ۸۶

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۵-۳-۲: پیشنهادات برای تحقیقات آتی ۸۶
۵-۴:محدودیت های پژوهش ۸۷
Abstract 93
فهرست جداول
عنوان صفحه
جدول شماره ۱-۱ : متغیرهای پژوهش و جنس آنها ۶
جدول شماره ۱-۲: تعاریف عملیاتی متغیرهای پژوهش ۷
جدول شماره ۲-۱: پیشینه تحقیق و تفاوت پیشینه مورد بررسی با تحقیق حاضر ۴۹
جدول شماره ۳-۱ : تکنیک غربالی برای انتخاب بهترین حجم نمونه ۶۴
جدول شماره ۳-۲ : لیست شرکت های مورد بررسی در این پژوهش ۶۵
جدول شماره دو : متغیرهای پژوهش و جنس آنها ۶۶
جدول شماره ۴-۱: برآورد شاخص های مرکزی و پراکندگی متغیرها ۶۹
جدول ۴-۲: بررسی توزیع نرمال بودن با آماره کولموگروف- اسمیرنوف ۷۰
جدول۴-۳: خلاصه فرایند انجام شده ۷۱
جدول ۴-۴: جدول اطلاعات شبکه ۷۲
جدول۴-۴: خلاصه اطلاعات مدل ۷۵
جدول شماره ۴-۵: خلاصه فرایند انجام شده ۷۶
جدول شماره ۴-۶: اطلاعات شبکه ۷۷
جدول شماره ۴-۷: خلاصه اطلاعات مدل ۷۸
جدول شماره ۴-۸: نتایج آنالیز رگرسیون خطی ۸۰
جدول شماره ۴-۹: نتایج آنالیز شبکه عصبی ۸۰
جدول شماره ۴-۱۰:مقایسه پیش بینی شبکه عصبی و رگرسیون خطی با داده های واقعی ۸۰
جدول شماره ۴-۱۱:نتایج آنالیز رگرسیون خطی ۸۲
جدول شماره ۴-۱۲: نتایج آنالیز شبکه عصبی ۸۲
جدول شماره ۴-۱۳: مقایسه پیش بینی شبکه عصبی و رگرسیون خطی با داده های واقعی ۸۲
فهرست نمودارها
عنوان صفحه
نمودار شماره۴-۱: نمودار نمونه های آزمایشی با نمونه های تایید(قیمت) ۷۳
نمودار۴-۲: نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آموزشی و تایید ۷۴
نمودار ۴-۳: نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آزمایشی و کلی ۷۴
نمودار شماره ۴-۴: انطباق خطاهای هر یک از نمونه ها با یکدیگر(قیمت) ۷۵
نمودار شماره۴-۵: نمودار نمونه های آزمایشی با نمونه های تایید(بازده) ۷۷
نمودار شماره۴-۶: نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آموزشی و تایید ۷۸
نمودار شماره۴-۷: نحوه قرار گرفتن داده ها و ضریب تبیین در مجموعه های آزمایشی و کلی ۷۸
فهرست شکل ها
عنوان صفحه
شکل۲-۱٫ یک نمونه شبکه عصبی ۱۹
شکل ۲-۲ : ساختار یک سلول عصبی انسان ۲۲
شکل۲-۳: یک نمونه عصب واقعی ۲۳
شکل ۲-۴٫ ساختار یک نورون عصبی مصنوعی ۲۴
شکل ۲-۵: نمونه ای از یک شبکه ی تک لایه ۲۶
شکل ۲-۶ . نمونه ای از یک شبکه سه لایه ۲۷
شکل ۲-۷ . نمونه ای از یک شبکه سه لایه ۲۸
شکل ۲-۸ . نمونه ای از یک شبکه برگشتی ۲۹
شکل ۲-۹ : نوع تابع تبدیل ۳۰