مقایسه مدل شبکه های عصبی مصنوعی با روش¬های رگرسیون لجستیک و تحلیل ممیزی در پیش بینی ورشکستگی شرکت¬ها
Authors
abstract
یکی از مهم¬ترین موضوع¬های مطرح شده در زمینه مدیریت مالی، این است که سرمایه¬گذاران فرصت¬های مطلوب سرمایه¬گذاری را از فرصت¬های نامطلوب تشخیص دهند و منابعشان را در فرصت¬های مناسب سرمایه گذاری کنند. از مهمترین روش هایی که می¬توان با استفاده از آن به بهره¬گیری مناسب از فرصت¬های سرمایه¬گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش¬بینی ورشکستگی از مدل شبکه های عصبی به همراه مقایسه آن با دو روش آماری رگرسیون لجستیک و تحلیل ممیزی استفاده شده است. در این مقاله علاوه بر معرفی مدل های شبکه های عصبی، یک مدل شبکه عصبی برای پیش بینی ورشکستگی شرکت های تولیدی طراحی شده است که برای استان کرمان مورد استفاده قرار گرفته است. اطلاعات استفاده شده مربوط به دوره زمانی 1386-1374 می باشد. نتایج پژوهش نشان می¬دهد که مدل ann از دو روش آماری دیگر دقت بالاتری در پیش بینی دارد. همچنین مدل ann نشان داد که هیچ کدام از این شرکت¬های تولیدی در سال بعد از دوره مورد بررسی، ورشکسته نخواهند شد.
similar resources
مقایسه مدل شبکه های عصبی مصنوعی با روش های رگرسیون لجستیک و تحلیل ممیزی در پیش بینی ورشکستگی شرکت ها
یکی از مهم ترین موضوع های مطرح شده در زمینه مدیریت مالی، این است که سرمایه گذاران فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابعشان را در فرصت های مناسب سرمایه گذاری کنند. از مهمترین روش هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وج...
full textمقایسه ی مدل های شبکه ی عصبی مصنوعی با رگرسیون لجستیک و تحلیل ممیزی در پیش بینی سندرم متابولیک
0
full textمقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص همزمان بیماری فشارخون و دیابت
Background : Diabetes and hypertension are from important non-communicable diseases in the world and their prevalence are very important for health authorities. The objective of this study was to compare the predictive precision of joint logistic regression (LR) and artificial neutral network (ANN) in concurrent diagnosis of diabetes and hypertension. Methods : This cross-sectional study wa...
full textکارایی شبکه های عصبی، رگرسیون لجستیک و تحلیل تمایزی در پیش بینی نکول
مدل های آماری مختلفی برای پیش بینی و طبقه بندی در علوم وجود دارد. روش های آماری و اقتصادسنجی نظیر رگرسیون، تحلیل تمایزی، سری های زمانی، رده بندی و دیگر روش ها، بر اساس متغیرها و اطلاعات موجود برای پیش بینی و طبقه بندی یک موضوع خاص به کار می روند. مدل های آماری متأثر از مفروضات و محدودیت های زیادی هستند، بدین لحاظ اخیرا شبکه های عصبی به عنوان شیوه ی نوین پیش بینی به دلیل عدم نیاز به ...
full textمقایسهی مدلهای شبکهی عصبی مصنوعی با رگرسیون لجستیک و تحلیل ممیزی در پیشبینی سندرم متابولیک
مقدمه: شبکههای عصبی�مصنوعی به عنوان یکی از روشهای نوین مدلسازی در سالهای اخیر مورد توجه ویژه�قرار گرفته است. این مدلها برای پیشبینی و طبقهبندی در مواردی که روشهای کلاسیک�آماری به خاطر محدودیتهایشان قابل استفاده نیستند، کاربرد دارند. هدف از این مطالعه�مقایسهی توانایی مدلهای شبکه عصبی مصنوعی با رگرسیون لجستیک و تحلیل ممیزی برای پیشبینی سندرم متابولیک در نمونهای از افراد شرکت کننده در...
full textمقایسه قدرت پیش بینی شبکه عصبی مصنوعی با رگرسیون لجستیک چندگانه در تفکیک بیماران دیابتی رتینوپاتی از غیر رتینوپاتی
Background: Diabetes mellitus is a high prevalent disease among the population, and if not controlled, it causes complications and irreparable damage to the eye and cause blindness. This study goal is to investigate the predictive power of multiple logistic regression model and the Artificial Neural Network Multi-layer Perceptron (MLP) in determining patients with and without diabetic...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه علمی پژوهشی پژوهش های اقتصادی (رشد و توسعه پایدار)Publisher: پژوهشکده اقتصاد دانشگاه تربیت مدرس
ISSN 1735-6768
volume 10
issue 2 2010
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023