مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

2,816
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

2,083
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

کاربرد الگوریتم هوش مصنوعی در پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت های پذیرفته شده بورس اوراق بهادار تهران

صفحات

 صفحه شروع 62 | صفحه پایان 77

چکیده

 تحلیل ورشکستگی مالی یک پدیده بااهمیت برای سرمایه گذاران, اعتباردهندگان و سایر استفاده کنندگان از اطلاعات مالی محسوب می شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می شود و می تواند هم برای مدیران و هم برای سرمایه گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات 1488 شرکت سال طی دوره 1390 الی 1395 اقدام به بومی سازی روشی جهت شناسایی شرکت های درمانده مالی در سه سطح شده است و در نهایت با استفاده از الگوریتم هوش مصنوعی ماشین بردار پشتیبان کرنل گوسی و الگوریتم قانون گرا چاید ورشکستگی مالی در سال آتی و دوسال آینده با استفاده از متغیر های کلان اقتصادی و حسابداری در بازار سرمایه ایران به کمک نرم افزار متلب 2017 پیش بینی شده است. از جنبه های نوآوری این پژوهش بومی سازی مدل ورشکستگی مالی در ایران با بکار گیری همزمان مدل های جهانی و ایرانی, استفاده از متغیر های کلان اقتصادی و حسابداری و همچنین استفاده از روش های هوش مصنوعی سه سطحی می باشد. نتایج تحقیق حاکی از تأثیر مستقیم تورم و ریسک مالی و تأثیر معکوس نسبت مدیران غیرموظف, بازده سالانه سهام و نسبت وجه نقد عملیاتی بر ورشکستگی مالی می باشد. همچنین نتایج نشان می دهد که الگوریتم غیر خطی ماشین بردار پشتیبان کرنل گوسی نسبت به الگوریتم قانون گرا چاید توانایی بالا تری در پیش بینی ورشکستگی آتی شرکت ها دارد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    وقفی، سیدحسام. (1398). کاربرد الگوریتم هوش مصنوعی در پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت های پذیرفته شده بورس اوراق بهادار تهران. تصمیم گیری و تحقیق در عملیات، 4(ویژه نامه 1 )، 62-77. SID. https://sid.ir/paper/268876/fa

    Vancouver: کپی

    وقفی سیدحسام. کاربرد الگوریتم هوش مصنوعی در پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت های پذیرفته شده بورس اوراق بهادار تهران. تصمیم گیری و تحقیق در عملیات[Internet]. 1398؛4(ویژه نامه 1 ):62-77. Available from: https://sid.ir/paper/268876/fa

    IEEE: کپی

    سیدحسام وقفی، “کاربرد الگوریتم هوش مصنوعی در پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت های پذیرفته شده بورس اوراق بهادار تهران،” تصمیم گیری و تحقیق در عملیات، vol. 4، no. ویژه نامه 1 ، pp. 62–77، 1398، [Online]. Available: https://sid.ir/paper/268876/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button