.
۳-۵ نتیجه گیری کلی
۱- ترکیب نسبتهای مالی و شبکه عصبی قابلیت پیش بینی EVA را داشتند و شبکه عصبی را طی ۶ مرحله آموزش توانسته است وزنهایی را تعریف کند که وقتی این وزنها را تست میکنیم مقدار پیش بینی شده کمترین اختلاف را با واقعیت دارد.
۲- برای شرکتهای خودروسازی و فلزی (کانی) پیش بینی EVA با مدل غیر خطی عملکرد بهتری نسبت به پیش بینی EVA با بهره گرفتن از مدل خطی داشته است.
به طور کلی می توان نتیجه گرفت که از نتایج این پژوهش میتوان در سرمایه گذاری و ارزیابی و ارزش گذاری شرکتها استفاده نمود. حال اینکه توان شبکه عصبی خود را می توان در این بخش نیز به کار گرفت و با بهره گرفتن از آن ارزش افزوده و سایر استفاده های ضمنی را از آن داشت .
۴-۵ محدودیت های تحقیق
-
- برای محاسبه ارزش افزوده اقتصادی از صورت های مالی استفاده شده است این صورت های مالی گاها در سال های متفاوت به لحاظ شکلی دچار تغییراتی شده اند که این امر باعث شد گاها نتوانیم از یک روند خاص به ادامه کار بپردازیم.
- صورت های مالی گرچه صورت های مالی حسابرسی شده بوده اند اما همانگونه که می دانیم در می توان از ارقام بی اهمیت صرف نظر کرد و این امر صورت پذیرفته است.
- در صورت های مالی هزینه هایی همچون هزینه های معوق و هزینه کاهش ارزش دارایی یا هزینه مطالبات مشکوک الوصول گاها در سایر هزینه ها آمده است که قابل تفکیک نیستند.
- نحو محاسبات مربوط به نرخ رشد با دشواری ها و محدودیت های متعددی برخوردار بوده است.
۵- تاریخی بودن ارقام مندرج در صورتهای مالی و عدم تعدیل آثار تورم بر متغیرهای حسابداری است بنابراین تأثیر تورم بر نتایج محدود ذاتی پژوهش است.
سوالات یا اهداف پایان نامه :
سوالات تحقیق
- آیا شبکه های عصبی توانایی پیش بینی ارزش افزوده اقتصادی شرکتهای مورد مطالعه را دارد؟
- آیا می توان با بهره گرفتن از شبکه عصبی و نسبتهای مالی به پیش بینی ارزش افزوده اقتصادی و دارایی های مالی در آینده بپردازیم؟
- ایا پیش بینی ارزش افزوده اقتصادی شرکتها از طریق شبکه عصبی نسبت به رگرسیون خطی برتری دارد؟
۶-۱ اهداف تحقیق
هدف ابتدایی این پژوهش پیش بینی ارزش افزوده اقتصادی اوراق بهادار است که می توان از آن برای سرمایه گذاری استفاده نمود.
پیش بینی بازده دارایی های در طول زمان برای کسب منفعت و سود بیشتر همیشه مورد توجه بوده است اما در این پژوهش ارزش افزوده اقتصادی به عنوان گامی بلند تر برای رسیدن به سرمایه گذاری بهتر دست یابیم و در حسابداری مالی این امر برای سهام داران را می توان ارائه کرد . در پزوهش هایی که تا به حال انجام شده است روش های بسیاری برای پیش بینی ارزش افزوده اقتصادی ارائه شده است اما تا کنون به یک روش یگانه که بهترین روش برای پیش بینی ارزش افزوده اقتصادی یافت نشده است به همین دلیل در این پژوهش به دنبال یافت روشی برای پیش بینی بهتر ارزش افزوده اقتصادی شرکت ها ها هستیم.
از اهداف دیگر این پژوهش می توان به بهبود پیش بینی های ارزش افزوده اقتصادی و جستجو برای یافتن روش های بهتر با کارایی بیشتر و سرعت عمل بیشتر اشاره کرد.