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

مقاله مقاله نشریه

مشخصات مقاله

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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

335
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

538
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از رگرسیون لجستیک لاسو

صفحات

 صفحه شروع 5 | صفحه پایان 38

چکیده

 هدف این مقاله, کشف درماندگی مالی بالقوه و هشدار زودهنگام درماندگی مالی قریب الوقوع شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار است. بدین منظور, دامنه گسترده ای از ویژگی ها از جمله متغیرهای حسابداری تعهدی, حسابداری نقدی, بازار سهام, مکانیسم های حاکمیت شرکتی و شاخص های اقتصاد کلان برای پیش بینی درماندگی مالی شرکت های نمونه شناسایی شده اند. نمونه نهایی شامل 421 شرکت و در نتیجه, 3670 شرکت-سال مشاهده است. سپس, داده آماده شده با استفاده از نسبت 70 به 30 به مجموعه داده آموزشی و آزمایشی تفکیک شد. در این پژوهش, تکینک های پیش پردازش داده یادگیری ماشین نظیر استانداردسازی نمره Z, وان-هات انکدینگ, اعتبارسنجی متقابل K لایه طبقه ای, همراه با مهندسی ویژگی برای بهبود عملکرد طبقه بندی کننده بکار گرفته شدند. روش اعتبارسنجی متقابل K لایه طبقه ای با (5=K) برای برآورد عملکرد پیش بینی مدل طی مرحله آموزش استفاده شد. طی مرحله آموزش, میزان سازی ابرپارامتر مدل با استفاده از جستجوی حریص انجام شد. افزون بر این, رویکرد فرایادگیری حساس به هزینه همراه با معیار مختص مسایل نامتوازن یعنی نمره F1 برای غلبه بر مساله نامتوازنی افراطی کلاس ها استفاده شده است. بر اساس نتایج تجربی, مدل لجستیک لاسو به نمره F1, ضریب همبستگی متیوز, فراخوانی و دقتی به ترتیب برابر با 50%, 50%, 73% و 38% بر روی مجموعه آموزشی دست یافت. سرانجام, مدل پیشنهادی بر روی مجموعه آزمایشی کنار گذاشته شده آزمون شد که به نمره F1, ضریب همبستگی متیوز, فراخوانی و دقتی به ترتیب برابر با 51%, 51%, 73% و 38% بر روی مجموعه آزمایشی منجر شد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    نمازی، محمد، و ابراهیمی، شهلا. (1398). پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از رگرسیون لجستیک لاسو. بورس اوراق بهادار، 12(48 )، 5-38. SID. https://sid.ir/paper/392082/fa

    Vancouver: کپی

    نمازی محمد، ابراهیمی شهلا. پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از رگرسیون لجستیک لاسو. بورس اوراق بهادار[Internet]. 1398؛12(48 ):5-38. Available from: https://sid.ir/paper/392082/fa

    IEEE: کپی

    محمد نمازی، و شهلا ابراهیمی، “پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از رگرسیون لجستیک لاسو،” بورس اوراق بهادار، vol. 12، no. 48 ، pp. 5–38، 1398، [Online]. Available: https://sid.ir/paper/392082/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا