چکیده:
هدف این تحقیق بررسی پیامدهای توانایی مدیریت شرکتها بر ارزش آفرینی در صنایع شیمیایی و مواد غذایی در دوره زمانی 1390-1394 با بکارگیری شبکه های عصبی مصنوعی است. ابتدا با اجرای مدل DEA با یک الگوی بومی شده، کارایی نسبی برای هر شرکت مشخص شده و با برآورد یک مدل رگرسیونی، شاخص توانایی مدیریت هر شرکت نیز تعیین شده است. سپس ارزشآفرینی شرکتها از متوسط حاصل عواملی مانند بازده صاحبان سهام، نسبت Q توبین، بازده سرمایه گذاریها و خلق ثروت برای سهامداران اندازه گیری شد. مدل شبکه عصبی بکار گرفته شده در این تحقیق، پرسپترون چندلایهای با الگوی آموزش پس انتشار خطا بوده است. برای ارزیابی کارایی نسبی از نرم افزار بهینه سازی GAMS، جهت سنجش شاخص توانایی مدیریت از E-Views و برای آموزش و ارزیابی مدل شبکه عصبی از نرم افزار MATLAB بهره گرفته شده است. نتایج نشان میدهد که مدل شبکه عصبی مصنوعی در صنعت مواد غذایی بهتر از صنعت شیمیایی، ارزش آفرینی شرکتها را از روی شاخص توانایی مدیریت و دیگر متغیرهای ورودی برآورد میکند. از دیگر نتایج تحقیق اینکه، امتیاز توانایی مدیریت در هر دو صنعت برابر بوده اما متوسط امتیاز ارزش آفرینی شرکتها در صنعت مواد غذایی بیشتر از صنعت شیمیایی بوده است.
The purpose of this study is to investigate the effect of management ability on the value creation in the chemical and food industry in 2012-2016 by using artificial neural network. Initially, with the implementation of the DEA model with a native model, the relative efficiency is determined for each company and by estimating a regression model, the management ability to each company is also determined. Then the value creation of the companies is measured by the average of the factors such as return on equity, Q Tobin ratio, return on investment, and wealth creation for shareholders. The neural network model used in this study is a multilayer perceptron with back propagation error training pattern. To evaluate the relative efficiency is used the GAMS optimization software and to measure the management ability used the E-Views and MATLAB software is used to train and test the neural networks model.
The results show that the artificial neural network model in the food industry is better than the chemical industry. This model estimates the companies' value creation through the management ability and other input variables. Other research results, the management ability score in both industries is equal, but the average value creation of the companies in the food industry is higher than the chemical industry.
خلاصه ماشینی:
"نتایج نشان میدهد که مدل شبکه عصبی مصنوعی در صنعت مواد غذایی بهتر از صنعت شیمیایی، ارزشآفرینی شرکتها را از روی شاخص توانایی مدیریت و دیگر متغیرهای ورودی برآورد میکند.
برای اینکه ارقام برای مدیران با دورههای متفاوت تصدی قابل مقایسه گردد از رابطه زیر محاسبه میشود (جونگ، 2011): (رجوع شودد به تصویر صفحه) (رجوع شودد به تصویر صفحه) 4- متدولوژی تحقیق این پژوهش از نظر هدف یک نوع مطالعه کاربردی است و هدف آن، بررسی تاثیر توانایی مدیریت بر ابعاد ارزشآفرینی شرکتها در صنایع مواد غذایی و شیمیایی عضو بازار بورس ایران با کمک مدلهای شبکه عصبی میباشد.
مقایسه مدلهای شبکه پرسپترون چندلایه پیشرو در صنایع- متغیر خروجی: VC (رجوع شودد به تصویر صفحه) 7- نتیجهگیری هدف این مقاله برآورد ارزشآفرینی شرکتها بر اساس شاخصهای توانایی مدیریت، اندازه شرکت، بازده داراییها، سهم بازار و عمر پذیرش شرکتها در صنایع شیمیایی و مواد غذایی در دوره 1390-1394 با بکارگیری شبکه عصبی مصنوعی میباشد.
نتایج حاصله پس از تکمیل پروسه یادگیری و تست شبکه عصبی پرسپترون نشان میدهد که مدل شبکه عصبی مصنوعی در صنعت مواد غذایی بهتر از صنعت شیمیایی، ارزشآفرینی شرکتها را از روی شاخص توانایی مدیریت و دیگر متغیرهای ورودی برآورد میکند، زیرا پارامتر میانگین مربعات خطا در آن کمتر بوده و ضریب تعیین آن نیز بیشتر بوده است.
B. Data Envelopment Analysis Neural Networks Frank Rosenblalt Model-Free Cell Body Core Dendrite Axon Synapse Management Score Managerial Compensation Value Creation Q Tobin ratio Input-Oriented Charns, Cooper & Rhodes (CCR) Financial Costs Net Other Costs The Weighted Average Cost of Capital Property, Plant & Equipment Shareholders Value Added (SVA) Back propagation Error Performance"