RESULTS AND DISCUSSION ResultsIn th

RESULTS AND DISCUSSION Results
In this study the prediction of stock returns using financial ratios based on historical cost compared to modified expense (accounting for inflation) was studied with neural network approach. Results Descriptive statistics for the variables showed that the average return on equity in the companies surveyed is 29.168. As observed ratios adjusted based on the general price index is lower than the ratios have been modified. For example, the average return on average assets and return on assets adjusted to 0.112 based on the general price index that reflects the 0.094 is that the denominator of this ratio are assets based on the general price index adjustment and have been updated this has led to reduced yields and adjusted. The results predict stock returns based on financial ratios based on historical cost through least squares regression shows between return on equity and return on assets with fixed asset turnover ratio is negative and significant. Between stock returns and the current ratio, asset turnover ratio and the ratio of net income to sales, there is a significant positive relationship. The results predict stock returns based on financial ratios adjusted for general price index by least squares regression showed that the current ratio-adjusted stock returns, asset turnover ratio, the ratio of net income to sales and return on assets and a significant positive relationship exists. The negative correlation between stock returns and fixed asset turnover ratio is significant. The results predict stock returns based on financial ratios based on historical cost through neural network showed the network has good performance in predicting stock returns variable and fixed asset turnover ratio, asset turnover ratio, return on assets, current ratio and net profit margins, respectively, are of the greatest importance and impact. The results predict stock returns based on financial ratios adjusted through neural network based on the general price index showed the network has good performance in predicting stock returns and the variables are adjusted based on the general price index, variables, net profit margin, return on assets, current ratio, asset turnover ratio and fixed asset turnover ratio, respectively, are of the greatest importance and impact. Compared to predict stock returns based on financial ratios based on historical cost and ratios adjusted for general price index based on the least squares regression and neural network by using root mean square error performance measures (RMSE), the mean absolute error (MAE) and mean absolute percentage error (MAPE) showed expected stock returns based on financial ratios based on the general price index to predict stock returns financial ratios based on historical cost (in both methods, least squares regression and neural networks), is preferred. The first hypothesis (prediction of stock returns using financial ratios based on the projected cost of the modified historical cost is more accurate) confirmed. The neural network predicts stock returns based on the financial ratios of least squares regression method (based on the historical cost basis and general price index), is preferred. The second hypothesis (prediction of stock returns using financial ratios

ผลลัพธ์ (ไทย) 1:

ผลและอภิปรายผลIn this study the prediction of stock returns using financial ratios based on historical cost compared to modified expense (accounting for inflation) was studied with neural network approach. Results Descriptive statistics for the variables showed that the average return on equity in the companies surveyed is 29.168. As observed ratios adjusted based on the general price index is lower than the ratios have been modified. For example, the average return on average assets and return on assets adjusted to 0.112 based on the general price index that reflects the 0.094 is that the denominator of this ratio are assets based on the general price index adjustment and have been updated this has led to reduced yields and adjusted. The results predict stock returns based on financial ratios based on historical cost through least squares regression shows between return on equity and return on assets with fixed asset turnover ratio is negative and significant. Between stock returns and the current ratio, asset turnover ratio and the ratio of net income to sales, there is a significant positive relationship. The results predict stock returns based on financial ratios adjusted for general price index by least squares regression showed that the current ratio-adjusted stock returns, asset turnover ratio, the ratio of net income to sales and return on assets and a significant positive relationship exists. The negative correlation between stock returns and fixed asset turnover ratio is significant. The results predict stock returns based on financial ratios based on historical cost through neural network showed the network has good performance in predicting stock returns variable and fixed asset turnover ratio, asset turnover ratio, return on assets, current ratio and net profit margins, respectively, are of the greatest importance and impact. The results predict stock returns based on financial ratios adjusted through neural network based on the general price index showed the network has good performance in predicting stock returns and the variables are adjusted based on the general price index, variables, net profit margin, return on assets, current ratio, asset turnover ratio and fixed asset turnover ratio, respectively, are of the greatest importance and impact. Compared to predict stock returns based on financial ratios based on historical cost and ratios adjusted for general price index based on the least squares regression and neural network by using root mean square error performance measures (RMSE), the mean absolute error (MAE) and mean absolute percentage error (MAPE) showed expected stock returns based on financial ratios based on the general price index to predict stock returns financial ratios based on historical cost (in both methods, least squares regression and neural networks), is preferred. The first hypothesis (prediction of stock returns using financial ratios based on the projected cost of the modified historical cost is more accurate) confirmed. The neural network predicts stock returns based on the financial ratios of least squares regression method (based on the historical cost basis and general price index), is preferred. The second hypothesis (prediction of stock returns using financial ratios

ผลลัพธ์ (ไทย) 2:

ผลการอภิปรายและผลในการศึกษาครั้งนี้คาดการณ์ผลตอบแทนของหุ้นโดยใช้อัตราส่วนทางการเงินที่อยู่บนพื้นฐานของราคาทุนเดิมเมื่อเทียบกับค่าใช้จ่ายในการปรับเปลี่ยน (การบัญชีสำหรับอัตราเงินเฟ้อ) ได้ทำการศึกษาด้วยวิธีเครือข่ายประสาท
ผลสถิติเชิงพรรณนาสำหรับตัวแปรที่แสดงให้เห็นว่าผลตอบแทนเฉลี่ยต่อผู้ถือหุ้นใน บริษัท ที่สำรวจคือ 29.168 ในฐานะที่เป็นอัตราส่วนที่สังเกตได้ปรับขึ้นอยู่กับดัชนีราคาทั่วไปต่ำกว่าอัตราส่วนได้รับการแก้ไข ตัวอย่างเช่นผลตอบแทนเฉลี่ยต่อสินทรัพย์เฉลี่ยและผลตอบแทนต่อสินทรัพย์ปรับให้ 0.112 ขึ้นอยู่กับดัชนีราคาทั่วไปที่สะท้อนให้เห็นถึง 0.094 คือส่วนของอัตราส่วนนี้จะสินทรัพย์ขึ้นอยู่กับการปรับตัวของดัชนีราคาทั่วไปและได้รับการปรับปรุงนี้ได้นำไปสู่ อัตราผลตอบแทนที่ลดลงและปรับ ผลการคาดการณ์ผลตอบแทนหุ้นขึ้นอยู่กับอัตราส่วนทางการเงินขึ้นอยู่กับต้นทุนทางประวัติศาสตร์ผ่านการถดถอยกำลังสองน้อยที่สุดแสดงให้เห็นระหว่างตอบแทนผู้ถือหุ้นและผลตอบแทนจากสินทรัพย์ที่มีอัตราส่วนสินทรัพย์ถาวรจะถูกลบและอย่างมีนัยสำคัญ ระหว่างผลตอบแทนหุ้นและอัตราปัจจุบันอัตราส่วนการหมุนเวียนของสินทรัพย์และอัตราส่วนกำไรสุทธิต่อยอดขายที่มีความสัมพันธ์อย่างมีนัยสำคัญในเชิงบวก ผลการคาดการณ์ผลตอบแทนหุ้นขึ้นอยู่กับอัตราส่วนทางการเงินที่ปรับดัชนีราคาโดยทั่วไปการถดถอยกำลังสองน้อยที่สุดแสดงให้เห็นว่าอัตราการปรับผลตอบแทนในปัจจุบันหุ้นอัตราส่วนสินทรัพย์หมุนเวียนอัตราส่วนกำไรสุทธิต่อยอดขายและผลตอบแทนจากสินทรัพย์และความสัมพันธ์เชิงบวกอย่างมีนัยสำคัญที่มีอยู่ ความสัมพันธ์เชิงลบระหว่างผลตอบแทนหุ้นและอัตราการหมุนเวียนของสินทรัพย์ถาวรที่มีความสำคัญ ผลที่คาดการณ์ผลตอบแทนหุ้นขึ้นอยู่กับอัตราส่วนทางการเงินที่อยู่บนพื้นฐานของราคาทุนเดิมผ่านเครือข่ายประสาทแสดงให้เห็นว่าเครือข่ายที่มีประสิทธิภาพที่ดีในการทำนายหุ้นผลตอบแทนผันแปรและคงที่อัตราส่วนสินทรัพย์หมุนเวียนอัตราส่วนการหมุนเวียนของสินทรัพย์ผลตอบแทนจากสินทรัพย์, อัตราส่วนสภาพคล่องและอัตรากำไรสุทธิตามลำดับ มีความสำคัญที่ยิ่งใหญ่ที่สุดและผลกระทบ ผลที่คาดการณ์ผลตอบแทนหุ้นขึ้นอยู่กับอัตราส่วนทางการเงินที่ปรับผ่านทางเครือข่ายประสาทบนพื้นฐานของดัชนีราคาทั่วไปแสดงให้เห็นว่าเครือข่ายมีผลงานที่ดีในการทำนายผลตอบแทนหุ้นและตัวแปรที่มีการปรับขึ้นอยู่กับดัชนีราคาทั่วไปตัวแปรอัตรากำไรสุทธิผลตอบแทนจากสินทรัพย์ อัตราส่วนปัจจุบันอัตราส่วนการหมุนเวียนของสินทรัพย์และอัตราการหมุนเวียนของสินทรัพย์ถาวรตามลำดับที่มีความสำคัญที่ยิ่งใหญ่ที่สุดและผลกระทบ เมื่อเทียบกับการคาดการณ์ผลตอบแทนหุ้นขึ้นอยู่กับอัตราส่วนทางการเงินขึ้นอยู่กับต้นทุนทางประวัติศาสตร์และอัตราส่วนการตั้งค่าสำหรับดัชนีราคาทั่วไปอยู่บนพื้นฐานของการถดถอยน้อยสแควร์และเครือข่ายประสาทโดยใช้รากหมายถึงตารางการวัดประสิทธิภาพข้อผิดพลาด (RMSE) ข้อผิดพลาดแน่นอนค่าเฉลี่ย (แม่) และค่าเฉลี่ย ข้อผิดพลาดร้อยละสัมบูรณ์ (MAPE) แสดงให้เห็นว่าผลตอบแทนที่คาดว่าหุ้นขึ้นอยู่กับอัตราส่วนทางการเงินขึ้นอยู่กับดัชนีราคาทั่วไปที่จะคาดการณ์ผลตอบแทนหุ้นอัตราส่วนทางการเงินที่อยู่บนพื้นฐานของราคาทุนเดิม (ในทั้งสองวิธีการถดถอยน้อยสแควร์และเครือข่ายประสาท) เป็นที่ต้องการ สมมติฐานแรก (คาดการณ์ผลตอบแทนหุ้นโดยใช้อัตราส่วนทางการเงินขึ้นอยู่กับค่าใช้จ่ายที่คาดการณ์ของราคาทุนเดิมมีการปรับเปลี่ยนมีความถูกต้องมากขึ้น) ได้รับการยืนยัน เครือข่ายประสาทคาดการณ์ผลตอบแทนหุ้นขึ้นอยู่กับอัตราส่วนทางการเงินของน้อยวิธีการถดถอยสี่เหลี่ยม (ตามเกณฑ์ราคาทุนเดิมและดัชนีราคาทั่วไป) เป็นที่ต้องการ สมมติฐานที่สอง (การคาดการณ์ของผลตอบแทนหุ้นโดยใช้อัตราส่วนทางการเงิน

ผลลัพธ์ (ไทย) 3:

ผลลัพธ์และ
ผลการอภิปรายผลการพยากรณ์ผลตอบแทนของหุ้นโดยใช้อัตราส่วนทางการเงินตามต้นทุนเดิมเมื่อเทียบกับการแก้ไขค่าใช้จ่าย ( การบัญชีสำหรับภาวะเงินเฟ้อ ) ศึกษาด้วยวิธีโครงข่ายประสาท ผลสถิติสำหรับตัวแปรพบว่า ผลตอบแทนเฉลี่ยต่อหุ้นใน บริษัท สํารวจจะ 29.168 .เท่าที่สังเกตอัตราส่วนปรับตามดัชนีราคาสินค้าโดยทั่วไปจะต่ำกว่าอัตราส่วนที่ได้รับการแก้ไข ตัวอย่างเช่นผลตอบแทนเฉลี่ยต่อสินทรัพย์เฉลี่ยผลตอบแทนต่อสินทรัพย์ทางการเงินปรับตัวตามทั่วไปราคาดัชนีที่สะท้อน 0094 คือส่วนของอัตราส่วนนี้เป็นทรัพย์สินตามการปรับดัชนีราคาทั่วไปและได้รับการปรับปรุงนี้ได้นำการลดผลผลิต และปรับ ผลพยากรณ์ผลตอบแทนของหุ้นจากอัตราส่วนทางการเงินตามต้นทุนทางประวัติศาสตร์ผ่านการถดถอยกำลังสองน้อยที่สุดแสดงให้เห็นระหว่างอัตราผลตอบแทนและผลตอบแทนจากสินทรัพย์ที่มีอัตราการหมุนสินทรัพย์ถาวรเป็นลบ และที่สำคัญ