Comparing these results with Qblynt

Comparing these results with Qblyntayj investigation showed that the prediction of stock returns using financial ratios through artificial neural networks to predict stock returns using ordinary least squares regression is more accurate. The result of the research results Refenes et al., (1994), Yim (2002), Panahiha (2000), a sphere and Norosh (2003), and Chavoshi (2003), Azar and Karimi (2009) and Sinai and Colleagues (2005) is consistent. The results of research on the prediction of stock returns using financial ratios based on historical cost with the results Namazi and Rostami (2006) is consistent. The results of research on the prediction of stock returns using financial ratios based on the results of the modified price Nikbakht and Tnani (2007) and Dastgir and Colleagues (2003) is consistent.
Recommendations based on Findings
According to the results of the exchange and capital markets, investment firms and other financial institutions offeredo predict the future trend of the market is better than artificial neural network model is used

ผลลัพธ์ (ไทย) 1:

เปรียบเทียบกับ Qblyntayj ตรวจสอบผลลัพธ์เหล่านี้แสดงให้เห็นว่า คำทำนายของหุ้นกลับใช้อัตราส่วนทางการเงินผ่านเครือข่ายประสาทเทียมในการทำนายหุ้นกลับถดถอยธรรมดาอย่างน้อยสี่เหลี่ยมได้ถูกต้องมากขึ้น ผลของการวิจัยผลลัพธ์ Refenes et al., (1994), ยิ้ม (2002), Panahiha (2000), ทรงกลม และ Norosh (2003), และ Chavoshi (2003), Azar และกะรีมีย์ (2009) และ Sinai และเพื่อนร่วมงาน (2005) มีความสอดคล้อง ผลการวิจัยในคำทำนายของหุ้นคืนค่าโดยใช้อัตราส่วนทางการเงินที่ยึดตามต้นทุนในอดีตกับผล Namazi และ Rostami (2006) มีความสอดคล้อง ผลการวิจัยในคำทำนายของหุ้นคืนค่าโดยใช้อัตราส่วนทางการเงินขึ้นอยู่กับผลลัพธ์ของราคาปรับเปลี่ยน Nikbakht และ Tnani (2007) และ Dastgir และเพื่อนร่วมงาน (2003) สอดคล้องคำแนะนำตามที่ค้นพบตามผลของการแลกเปลี่ยนและตลาดทุน บริษัทลงทุนและสถาบันการเงิน offeredo อื่น ๆ ทำนายแนวโน้มในอนาคตของตลาดจะดีกว่าใช้แบบจำลองโครงข่ายประสาทเทียม

ผลลัพธ์ (ไทย) 2:

การเปรียบเทียบผลการตรวจสอบเหล่านี้ด้วย Qblyntayj แสดงให้เห็นว่าการคาดการณ์ของผลตอบแทนหุ้นโดยใช้อัตราส่วนทางการเงินผ่านเครือข่ายประสาทเทียมที่จะคาดการณ์ผลตอบแทนหุ้นโดยใช้การถดถอยสองน้อยที่สุดจะถูกต้องมากขึ้น ผลการวิจัยครั้งนี้จะส่งผล Refenes et al. (1994), ยิ้ม (2002), Panahiha (2000) ซึ่งเป็นรูปทรงกลมและ Norosh (2003) และ chavoshi (2003), Azar และ Karimi (2009) และซีนายและเพื่อนร่วมงาน ( 2005) มีความสอดคล้อง ผลการวิจัยเกี่ยวกับการคาดการณ์ของผลตอบแทนหุ้นโดยใช้อัตราส่วนทางการเงินขึ้นอยู่กับต้นทุนทางประวัติศาสตร์ที่มีผล Namazi และ Rostami (2006) มีความสอดคล้อง ผลการวิจัยเกี่ยวกับการคาดการณ์ของผลตอบแทนหุ้นโดยใช้อัตราส่วนทางการเงินขึ้นอยู่กับผลของราคามีการปรับเปลี่ยนที่ Nikbakht และ Tnani (2007) และ Dastgir และเพื่อนร่วมงาน (2003) มีความสอดคล้อง. ข้อเสนอแนะจากผลการวิจัยตามผลของการแลกเปลี่ยนและเงินทุนตลาด บริษัท เพื่อการลงทุนและสถาบันการเงินอื่น offeredo คาดการณ์แนวโน้มในอนาคตของตลาดจะดีกว่ารูปแบบเครือข่ายประสาทเทียมจะใช้

ผลลัพธ์ (ไทย) 3:

การเปรียบเทียบผลการสืบสวนพบว่า qblyntayj การคาดการณ์ผลตอบแทนของหุ้นโดยใช้อัตราส่วนทางการเงินผ่านโครงข่ายประสาทเทียมเพื่อทำนายหุ้นกลับการให้นมถดถอยถูกต้องมากขึ้น ผลของการวิจัย refenes et al . ( 1994 ) , ยิม ( 2002 ) , panahiha ( 2000 ) , ทรงกลมและ norosh ( 2003 ) และ chavoshi ( 2003 )ลาซาร์ และ karimi ( 2009 ) และ ซีนายและเพื่อนร่วมงาน ( 2005 ) มีความสอดคล้อง ผลของการวิจัยในการคาดการณ์ผลตอบแทนของหุ้นโดยใช้อัตราส่วนทางการเงินตามประวัติศาสตร์ต้นทุนกับผลลัพธ์และ namazi rostami ( 2006 ) สอดคล้องกันผลของการวิจัยในการคาดการณ์ผลตอบแทนของหุ้นโดยใช้อัตราส่วนทางการเงินตามผลลัพธ์ของการปรับเปลี่ยนราคาและ nikbakht tnani ( 2007 ) และ dastgir และเพื่อนร่วมงาน ( 2003 ) ที่สอดคล้องกัน .

ตามข้อเสนอแนะที่ได้จากผลการวิจัย ผลของตลาดหลักทรัพย์และตลาดทุนบริษัท การลงทุน และสถาบันการเงินอื่น ๆ offeredo ทำนายแนวโน้มในอนาคตของตลาดดีกว่าแบบจำลองโครงข่ายประสาทเทียม ใช้