تأثیر کاهش داده ها با استفاده از تحلیل عاملی بر دقت مدل های پیش بینی ورشکستگی

Authors

مریم گوارا

محمود معین الدین

رامین عبقری

abstract

هدف از این پژوهش تعیین الگوهایی با استفاده از نسبت های مالی برای بالا بردن توان تصمیم گیری استفاده کنندگان از صورت های مالی در پیش بینی ورشکستگی شرکت ها است. در این پژوهش از 55 نسبت مالی پرکاربرد استفاده شده و با استفاده از تحلیل عاملی اکتشافی به 12 عامل تبدیل شده است. سپس با استفاده از مدل لوجیت و شبکه های عصبی صحت پیش بینی ورشکستگی با استفاده از 12 عامل به دست آمده، موردبررسی قرارگرفته است. جامعه ی آماری شامل دو گروه، 40 شرکت ورشکسته و 82 شرکت غیر ورشکسته، است. اطلاعات استفاده شده مربوط به دوره ی زمانی 1393-1387 است و نتیجه های پژوهش حاکی از آن است که 12 عامل به دست آمده با بهره گیری از هر دو مدل، دارای توان بالایی در پیش بینی ورشکستگی شرکت ها است و نیز الگوی مبتنی بر شبکه ی عصبی دارای بالاترین دقت است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تأثیر کاهش داده‌ها با استفاده از تحلیل عاملی بر دقت مدل‌های پیش‌بینی ورشکستگی

هدف از این پژوهش تعیین الگوهایی با استفاده از نسبت‌های مالی برای بالا بردن توان تصمیم‌گیری استفاده‌کنندگان از صورت‌های مالی در پیش‌بینی ورشکستگی شرکت‌ها است. در این پژوهش از 55 نسبت مالی پرکاربرد استفاده‌شده و با استفاده از تحلیل عاملی اکتشافی به 12 عامل تبدیل شده است. سپس با استفاده از مدل لوجیت و شبکه‌های عصبی صحت پیش‌بینی ورشکستگی با استفاده از 12 عامل به‌دست‌آمده، موردبررسی قرارگرفته است. ج...

full text

پیش بینی ورشکستگی با استفاده از مدل های تحلیل لوجیت اهلسون و تحلیل ممیز چندگانه فولمر و مقایسه آنها

هدف نخست این تحقیق، ارائه مدل آماری مناسب جهت پیش بینی نسبتاً دقیق ورشکستگی شرکت ها برای هریک از سال های t (سال ورشکستگی)، t-1 (یکسال قبل از ورشکستگی) و t-2 )دوسال قبل از ورشکستگی) و سپس، مقایسه دو مدل پیش بینی ورشکستگی، یعنی مدل تحلیل لوجیت اهلسون و تحلیل ممیز چندگانه فولمردر بازار سهام ایران برای سال های فوق الذکر است. نمونه پژوهش حاضر، از 112 شرکت پذیرفته شده در بورس اوراق بهادار تشکیل شده اس...

full text

پیش بینی درماندگی مالی با استفاده از تحلیل پوششی داده ها

با توجه به تاثیرات درماندگی مالی شرکتها بر روی گروه های مختلف ذینفع، همواره ارائه الگوهای پیش بینی درماندگی مالی یکی از جذاب ترین حوزه ها در تحقیقات مالی بوده است. در الگوهای پیش بینی موجود عمدتاً نسبتهای مالی به عنوان متغیرهای پیش بین به کار گرفته می شوند. در این تحقیق کارایی شرکتها که با استفاده از تحلیل پوششی داده ها به عنوان یکی از فنون تحقیق در عملیات محاسبه شده است، به عنوان متغیر پیش بین ...

full text

پیش بینی ورشکستگی مالی با استفاده از مدل لوجیت مرکب

برای پیش بینی ورشکستگی مالی روش های متعددی وجود دارد. یکی از این روش ها ، روش های آماری یا به عبارت بهتر، روش های اقتصادسنجی است. چون متغیر وابسته، یعنی ورشکسته شدن و ورشکته نشدن، متغیری گسسته و کیفی است، باید از مدل های گسسته برای پیش بینی استفاده کرد. در این مطالعه، از روش لوجیت مرکب استفاده شده است که یکی از روش های انعطاف پذیر در مدل های گسسته است . اساس این مدل ، تابع مطلوبیت تصادفی با ضرا...

full text

پیش بینی رسوب معلق با استفاده از داده های هیدرولوژیک و هیدروژئومورفیک در مدل های هوشمند

برآورد دقیق مقدار رسوبات حمل شده توسط رودخانه ها، در مدیریت منابع آب از اهمیت بسیاری برخوردار است. بنابراین شناسایی و پیشنهاد مدلهای مناسب جهت برآورد رسوب معلق از اهداف مهم تلقی میشود که استفاده از روش نوین مدلهای هوشمند از جمله شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان در این زمینه تحول عظیمی وجود آورده است. یک گام مهم در مدلسازی رسوب معلق با استفاده از این مدلها، انتخاب ورودیهای مناسب میباشد، ...

full text

مروری بر مدل های پیش بینی پدیده گردوغبار و تکنیک های جمع آوری داده ها

یکی از پدیده­های رایج در مناطق خشک و نیمه خشک و در عرضهای جغرافیایی نیمه گرمسیری[1] طوفان گردوغبار است. در چند سال اخیر بر شدت و فراوانی این طوفان­ها در این منطقه افزوده شده است و این پدیده با ایجاد وقفه در فعالیت­های اجتماعی و اقتصادی خسارات هنگفتی به جامعه وارد کرده است. با گسترش علم و فناوری­های جدید مانند سنجش ازدور، و سیستم اطلاعات مکانی با مدلسازی عددی و محاسباتی کمک شایانی در جهت شناخت ا...

full text

My Resources

Save resource for easier access later


Journal title:
پیشرفت های حسابداری

جلد ۸، شماره ۲، صفحات ۱۵۱-۱۸۹

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023