@article { author = {Makvandi, Payam and Jasbi, Javad and Alavi, Hasam}, title = {Designing a Model to for Selection of Effective Variables of Forecasting Future Dividend of the Firms Member Tehran Stock Exchange}, journal = {Journal of Iran's Economic Essays (JIEE)}, volume = {5}, number = {10}, pages = {163-201}, year = {2009}, publisher = {Research Institute of Hawzah and University; "Hawzah wa Dāneshgāh Research Institute"}, issn = {1735-3300}, eissn = {2588-5812}, doi = {}, abstract = {Decision making is on the most important roles of a manager. Meanwhile, selection ofeffective input variables on decision making or forecasting problems, is one of the mostimportant dilemmas in forecasting and decision making field. Due to research andproblem constraints, we can not use all of known variables for forecasting or decisionmaking in real world applications. Thus, in decision making problems or systemsimulations, we are trying to select important and effective variables as good data.In this paper we proposed a hybrid model of Genetic Algorithm (GA) and Artificial NeuralNetwork (ANN) to determine and select effective variables on forecasting and decisionmaking process. In this model, genetic algorithm has been used to code the combination ofeffective variables and neural network as a fitness function of genetic algorithm. Theintroduced model is applied in a case study to determine effective variables on forecastingfuture dividend of the firms that are members of Tehran stock exchange.}, keywords = {effective variables,genetic algorithm,neural networks,feature selection,future dividend,stock exchange}, title_fa = {انتخاب مولفه‌های تاثیرگذار بر پیش بینی سود آتی سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل ترکیبی شبکه ی عصبی و الگوریتم ژنتیک}, abstract_fa = {تصمیم گیری همواره، یکی از مهم ترین وظایف مدیر بوده، در این بین، پیش بینی نتایج ورودی به سیستم و در حقیقت، نتایج شقوق مختلف تصمیم، جزءِ دغذغه های اصلی فرایندهای بهینه سازی تصمیم بوده است. از سوی دیگر، شناسایی عواملی که بر خروجی تصمیم یا نتیجه ی پیش بینی تاثیرگذارند اهمیت دارند؛ چرا که با شناسایی این عوامل می توان مدل مناسبی برای پیش بینی تدوین و سپس، کسب نتیجه از آن اقدام نمود. یکی از عوامل مهم برای تصمیم گیری سرمایه گذاران در مورد با خرید و فروش سهام یک شرکت، پیش بینی سود نقدی سهام بوده، در این مورد می توان از صورت های مالی در جایگاه ابزاری برای این پیش بینی استفاده نمود؛ بدین ترتیب که نسبت هایی را از صورت های مالی استخراج نموده، بر اساس آنها، مدلی برای پیش بینی سود آتی سهام توسعه داد و در نهایت تصمیم گرفت.در این مقاله سعی شده با استفاده از الگوریتم ژنتیک و تلفیق آن با شبکه ی عصبی مصنوعی ، عوامل موثر بر پیش بینی سود آتی سهام (شامل نسبت های استخراج شده از صورت های مالی) شناسایی شده، در نهایت، این متغیرهای موثر بر خروجی، در مدلی که به مدد شبکه ی عصبی طراحی و برای پیش بینی سود آتی سهام به کار گرفته شوند. برای موردکاوی، به پیش بینی سود نقدی سهام 194 شرکت پذیرفته شده، در بورس توجه شده و 24 متغیر موجود در صورت های مالی که بر اساس نظر خبرگان در تغییرات سود نقدی سهام دخالت دارند، به مدل وارد شده اند. در نهایت، مدل ترکیبی با توجه به دینامیسم موجود بین متغیرهای ورودی، ده متغیر را به عنوان ترکیب بهینه ی متغیرهای تاثیرگذار انتخاب نموده که در مرحله ی دوم، به یک شبکه ی عصبی که برای پیش بینی طراحی شده، وارد شده اند و خطای حاصل از پیش بینی مبنای مقایسه با دیگر روش ها قرار گرفته است.}, keywords_fa = {مولفه های موثر,الگوریتم ژنتیک,شبکه های عصبی,پیش بینی,انتخاب مولفه,سود آتی سهام,نسبت های مالی,بورس}, url = {https://iee.rihu.ac.ir/article_286.html}, eprint = {https://iee.rihu.ac.ir/article_286_8ac34147450add75de8cd76e0e9498c5.pdf} }