پیش بینی ریسک سیستماتیک شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم های کلونی مورچه ها و لارس
Authors
abstract
تصمیم گیری های مالی و اقتصادی به دلیل وجود عدم اطمینان آتی، همواره با ریسک مواجه هستند. در این راستا، گزارشگری مالی می تواند دربرگیرنده اطلاعات مفیدی درباره پیش بینی ریسک باشد. هدف این پژوهش بررسی پیش بینی ریسک سیستماتیک بر اساس الگوریتم کلونی مورچگان و الگوریتم لارس طی سال های 1389 تا 1393 برای شرکتهای پذیرفته شده در بورس اوراق بهادار تهران می باشد. بر این اساس 154 شرکت (770 سال- شرکت) به عنوان نمونه آماری انتخاب شده است. در تحقیق حاضر برای سنجش میزان ریسک سیستماتیک شرکت از عامل بتا استفاده شده است. نتایج این تحقیق حاکی از آن است که الگوریتم کلونی مورچگان با خطای 252/1 درصد و الگوریتم لارس با 563/1 درصد توانایی پیش بینی ریسک سیستماتیک را دارند. در واقع می توان اذعان نمود که الگوریتم های به کارگرفته شده با دقت بالایی توانایی کشف ریسک سیستماتیک را دارد.
similar resources
پیشبینی ریسک سیستماتیک شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتمهای کلونی مورچهها و لارس
تصمیمگیریهای مالی و اقتصادی به دلیل وجود عدم اطمینان آتی، همواره با ریسک مواجه هستند. در این راستا، گزارشگری مالی میتواند دربرگیرندة اطلاعات مفیدی دربارة پیشبینی ریسک باشد. هدف این پژوهش بررسی پیشبینی ریسک سیستماتیک بر اساس الگوریتم کلونی مورچگان و الگوریتم لارس طی سالهای 1389 تا 1393 برای شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. بر این اساس 154 شرکت (770 سال- شرکت) به عنو...
full textسودمندی متغیرهای حسابداری در پیش بینی ریسک سیستماتیک شرکت های پذیرفته شده در بورس اوراق بهادار تهران
هدف اصلی این مقاله بررسی سودمندی متغیرهای حسابداری در پیش بینی ریسک سیستماتیک شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در راستای این هدف تعداد 40 شرکت که اطلاعات مورد نیاز برای دوره 11 ساله مورد تحقیق (80-70) در مورد آن ها قابل دسترسی بود انتخاب شدند. سپس اطلاعات مربوط به 17 متغیر مستقل مورد مطالعه قرار گرفت و ریسک سیستماتیک به عنوان متغیر وابسته محاسبه شد. به منظور آزمون فرضیه ها ا...
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 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 textسودمندی متغیرهای حسابداری در پیش بینی ریسک سیستماتیک شرکت های پذیرفته شده در بورس اوراق بهادار تهران
هدف اصلی این مقاله بررسی سودمندی متغیرهای حسابداری در پیش بینی ریسک سیستماتیک شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. در راستای این هدف تعداد 40 شرکت که اطلاعات مورد نیاز برای دوره 11 ساله مورد تحقیق (80-70) در مورد آن ها قابل دسترسی بود انتخاب شدند. سپس اطلاعات مربوط به 17 متغیر مستقل مورد مطالعه قرار گرفت و ریسک سیستماتیک به عنوان متغیر وابسته محاسبه شد. به منظور آزمون فرضیه ها ا...
full textپیش 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 textMy Resources
Save resource for easier access later
Journal title:
بررسی حسابداریجلد ۳، شماره ۱۰، صفحات ۱۹-۴۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023