پیش بینی ورشکستگی مالی شرکت های بورس اوراق بهادار تهران با استفاده از شبکههای عصبی مصنوعی
Authors
abstract
هدف اصلی این مقاله پیشبینی ورشکستگی مالی شرکتها در بورس اوراق بهادار تهران به وسیلهی شبکههای عصبی مصنوعی است. مقادیر میانگین مربوط به نسبتهای مالی کلیدی در پژوهشهای صورت گرفته در پیشینه موضوع بهعنوان ورودی شبکههای عصبی انتخاب شدهاند. شبکه عصبی بهکار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیدهاند و شامل شبکه عصبی پیشخور سه لایه با ترکیب (1 : 4 : 5) در آرایش نرونهای ورودی، میانی و خروجی است. نمونه مورد نظر شامل دو گروه شرکتهای ورشکسته و غیر ورشکسته است. گروه ورشکسته بر مبنای ماده 141 قاتون تجارت طی سالهای 1378 لغایت 1385 انتخاب شدهاند و گروه غیرورشکسته نیز بهصورت تصادفی انتخاب شدهاند. مجموعهای مساوی از دادههای فوق با استفاده از شبکههای عصبی و تحلیل تمایزی چندگانه مورد تحلیل قرار گرفتند. مقایسه توانمندی پیشبینیهای شبکه عصبی و تحلیل تمایزی چندگانه نیز ارایه شده است. همچنین صحت پیشبینی شبکههای عصبی با استفاده از نمودار roc ارائه شده است. نتایج نشان دادند که تفاوت معناداری بین mda و ann وجود دارد. همچنین طبق نتایج کم بودن خطای نوع اول بر خطای نوع دوم پیشبینی اولویت دارد.
similar resources
پیش بینی ورشکستگی شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی
آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای پیش بینی ورشکستگی شرکت های حاضر در بازار بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی است. در این تحقیق از نسبت های مالی...
full textپیشبینی ورشکستگی مالی شرکتهای بورس اوراق بهادار تهران با استفاده از شبکههای عصبی مصنوعی
هدف اصلی این مقاله پیشبینی ورشکستگی مالی شرکتها در بورس اوراق بهادار تهران به وسیلهی شبکههای عصبی مصنوعی است. مقادیر میانگین مربوط به نسبتهای مالی کلیدی در پژوهشهای صورت گرفته در پیشینه موضوع بهعنوان ورودی شبکههای عصبی انتخاب شدهاند. شبکه عصبی بهکار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیدهاند و شامل شبکه عصبی پیشخور سه لایه با ت...
full textپیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی
پیشبینی تغییر قیمت سهام به عنوان یک فعالیت چالشانگیز در پیشبینی سریهای زمانی مالی در نظر گرفته میشود. یک پیشبینی صحیح از تغییر قیمت سهام میتواند سود زیادی را برای سرمایهگذاران به بار آورد. با توجه به پیچیدگی دادههای بازار بورس، توسعه مدلهای کارآمد برای پیشبینی بسیار دشوار است. در این پژوهش، مدلی برای پیشبینی قیمت سهام شرکتهای بورس اوراق بهادار تهران با بکارگیری دادههای درونزا...
full textپیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم کرم شب تاب(FA)
سرمایه گذاران ، سهامداران، مدیران و دیگر ذینفعان با ورشکسته شدن شرکت، متضرر شده و دارایی خود را از دست خواهند داد. بنابراین وجود مکانیزمی که به بررسی و پیش بینی بحران مالی شرکت ها بپردازد امری ضروری و اجتناب ناپذیر بشمار می رود. تحقیقات متعددی در خصوص پیش بینی ورشکستگی صورت گرفته که استفاده از الگوریتم های هوش مصنوعی و فرا اکتشافی از نمونه مدل های دهه اخیر می باشند. در این پژوهش با استفاده از ا...
full textطراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)
در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...
full textارائه مدل ریاضی پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
در این مقاله پنج مدل مهم پیشبینی ورشکستگی را مطالعه و از میان متغیرهای پنج مدل، مدل بازطراحی شده پیشبینی ورشکستگی را ارائه میکنیم که دربرگیرنده هشت متغیر میباشد. مسأله اصلی در این تحقیق این است که با بررسی و تحلیل صورتهای مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بتوانیم مدلی برای پیشبینی ورشکستگی شرکتها ارائه نماییم. به منظور طراحی مدل، از اطلاعات دو گروه از شرکتهای پذیرفت...
full textMy Resources
Save resource for easier access later
Journal title:
نشریه مدیریت صنعتیPublisher: دانشکده مدیریت دانشگاه تهران
ISSN 2008-5885
volume 2
issue 4 2010
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023