@article { author = {safdai sorkhzoo, zahra and Ramazanian, Mohammadrahim and Yakideh, Keikhosro}, title = {Compare the performance of Artificial Neural Network and Logistic Regression In Discriminant Analysis Tobin's q index}, journal = {Modern Research in Decision Making}, volume = {3}, number = {4}, pages = {1-28}, year = {2019}, publisher = {}, issn = {2476-6291}, eissn = {2476-6291}, doi = {}, abstract = {Tobin index is one of the most important indices in the world of investment used as a criterion for evaluating performance of the firms to decide for the right investments. However, there are some ambiguities in the accuracy of the results based on this index that have prompted researchers to pursue estimation of this index based on the other financial indices. But Tobin index is a dynamic index and as it is based on the market price, may be changed its value at once, therefore it is not logical to be predicted using methods as multiple regression that attempt to predict precise value of depent variable. this research has reviewed methods based on the exact prediction like regression to judge about Tobin index by the other financial indices and it has recommended using discriminant analysis methods such as logistic regression and artificial nervous network. Discriminant analysis is a method to categorize a set of the observations into one of two or several determined groups, so that observations within each group can have the most similarity to each other. Therefore, this research has analyzed Tobin index discrimination using financial information of 184 accepted firms by Tehran Stock Exchange in the financial year leading to 29 of Esfand in 1393 by logistic regression and artificial nervous network and it has reported results of two techniques and has compared output of the two techniques to each other.}, keywords = {Artificial neural networks,Discriminant analysis,Logistic regression,Tobin's q Index}, title_fa = {مقایسه عملکرد شبکه عصبی مصنوعی و رگرسیون لجستیک در تحلیل تشخیص شاخصq توبین}, abstract_fa = {شاخص توبین یکی از شاخص های مهم در دنیای سرمایه گذاری است که بعنوان معیاری برای ارزیابی عملکرد شرکت ها جهت تصمیم گیری برای سرمایه گذاری های صحیح به کار می رود. اما در دقت نتایج مبتنی بر این شاخص، ابهاماتی وجود دارد که پژوهشگران را بر آن داشته است تا به دنبال برآورد این شاخص از روی دیگر شاخص های مالی باشند. اما شاخص توبین یک شاخص پویاست و به علت مبتنی بودن بر قیمت بازار، ممکن است در لحظه مقدار آن تغییر کند. بنابراین استفاده از روش هایی مانند رگرسیون چندگانه که تلاش می کنند مقدار دقیق متغیر وابسته را پیش بینی کنند منطقی به نظر نمی رسد. به همین دلیل این تحقیق به منظور انجام قضاوت در مورد شاخص توبین از روی دیگر شاخص های مالی، روشهای مبتنی بر پیش بینی دقیق مانند رگرسیون خطی را مورد نقد قرار داده و به جای آن استفاده از روش های تحلیل تشخیص مانند رگرسیون لجستیک و شبکه عصبی را توصیه می کند. تحلیل تشخیص، روشی برای طبقه بندی مجموعه ای از مشاهدات به یکی از دو یا چندین گروه تعیین شده است به طوریکه مشاهدات درون هر گروه بیشترین شباهت را به یکدیگر داشته باشند. لذا این پژوهش با استفاده از اطلاعات مالی 184 شرکت پذیرفته شده در بورس اوراق بهادار تهران در سالی مالی منتهی به 29 اسفند 1393 به کمک رگرسیون لجستیک و شبکه عصبی به تحلیل تشخیص شاخص توبین پرداخته و نتایج دو تکنیک را گزارش و خروجی را تحلیل و با یکدیگر مقایسه می کند.}, keywords_fa = {تحلیل تشخیص,شاخص توبین,شبکه عصبی مصنوعی,رگرسیون لجستیک}, url = {https://journal.saim.ir/article_34410.html}, eprint = {https://journal.saim.ir/article_34410_de67dce41285a8350322c9088be54329.pdf} }