ارائه مدل پیشبینی ورشکستگی مبتنی بر الگوریتم ژنتیک درشرکتهای پذیرفتهشده در بورس اوراق بهادار تهران
Authors
Abstract:
هدف از انجام این پژوهش، ارائه مدلی برای پیشبینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم ژنتیک برای یک سال و دو سال قبل از ورشکستگی است. جامعه آماری این تحقیق شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران میباشد. دراین تحقیق نمونه موردنظر به دو گروه تقسیم شده است. بخش اول برای برآورد مدل الگوریتم ژنتیک و بخش دیگر برای تعیین اعتبار این مدل در نظر گرفته میشود. نمونه آموزشی تحقیق 150 شرکت (شامل 51 شرکت ورشکسته و 99 شرکت غیرورشکسته) در دوره زمانی 1390ـ1386 میباشد. نمونه آزمایشی تحقیق نیز شامل 137 شرکت در سال 1391 و 247 شرکت در سال 1392 میباشد. نتایج این پژوهش بیانگر این موضوع میباشد که این مدل برای یک سال قبل از ورشکستگی با دقت 8/97 درصد وضعیت شرکتهای ورشکسته و غیرورشکسته را درست پیشبینی میکند. همچنین مدل مذکور برای دو سال قبل از ورشکستگی با دقت 9/97 درصد وضعیت شرکتهای ورشکسته و غیر ورشکسته را درست پیشبینی میکند.
similar resources
ارائه مدل پیشبینی ورشکستگی شرکت های بورس اوراق بهادار تهران مبتنی بر مدل ترکیبی شبکه عصبی گروهی دستکاری داده ها و الگوریتم ژنتیک
هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیشبینی ورشکستگی شرکتهای تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، میباشد. هم چنین، با استفاده از تعدادی از پر کاربردترین روشهای انتخاب متغیر در ادبیات پیشبینی ورشکستگی، مطالعه جامعی در جهت شناسائی بهترین متغیرهای پیشبینی کننده ورشکستگی شرکتهای بورس اوراق بهادار تهرا...
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 textپیشبینی بازده غیرعادی بر مبنای مدل مبتنی بر شتاب سود و صنعت در بورس اوراق بهادار تهران
استراتژیهای نیروی حرکت )شتاب( که به عنوان یک استراتژی معامله و مدیریت پرتفوی به صورتگسترده ای مورد استفاده قرار میگیرد بیانگر تداوم روند کنونی قیمت سهام است و اعتقاد دارد که روندهایاخیر ادامه می یابد. این استراتژیها با فرضیه بازار کارا حتی در شکل ضعیف آن ناسازگار بوده و جزء خلافقائده های تکنیکال به شمار می روند.در این پژوهش در صددیم با استفاده از اطلاعات مربوط به عملکرد مالی شرکت ها اثبات نمایی...
full textمقایسه قابلیتهای مدلهای مبتنی بر حافظه بلندمدت و مدل های شبکه عصبی پویا در پیشبینی بازدهی بورس اوراق بهادار تهران
این مقاله با هدف معرفی یک الگوی مناسب جهت پیشبینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته است. دادههای مورد استفاده در این پژوهش به صورت روزانه و شامل بازهی زمانی پنجم فروردین 1388 تا سیام آبان 1390 که مشتمل بر 616 مشاهده بوده که جهت مجزا سازی پیشبینیهای داخل نمونهای و خارج از نمونهای، از تقریباً 90% از مشاهدات (556 مشاهده) جهت تخمین ضرایب مدل و از مابقی (60 مشاهده) جهت انجام پی...
full textطراحی مدل ریاضی مبتنی بر جریانهای نقدی برای پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
در این پژوهش نسبتهای نقدینگی استخراج شده از صورت جریان وجوه نقد به منظور پیش بینی ورشکستگی شرکتها مورد بررسی قرار گرفته است. برای این منظور از مدل رگرسیون لوجستیک استفاده، و مدلی برای پیش بینی ورشکستگی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران ارائه شده است .به منظور طراحی مدل از اطلاعات دو گروه از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران استفاده گردید. گروه اول شرکتهای...
full textارائه مدل پیش بینی ورشکستگی مبتنی برالگوریتم ژنتیک درشرکت های پذیرفته شده در بورس اوراق بهادار تهران
هدف از انجام این پژوهش ، ارائه مدلی برای پیش بینی ورشکستگی شرکت های پذ یرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم ژنتیک برای یک سال و دو سال قبل از ورشکستگی است . برای اجرای الگوریتم ژنتیک از نرم افزار matlab استفاده شده است. جامعه آماری این تحقیق شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. دراین تحقیق نمونه مورد نظر به دو گروه تقسیم می شود. بخش اول برای برآورد مدل...
My Resources
Journal title
volume 2 issue شماره 4 (تابستان 93)
pages 81- 92
publication date 2014-07-23
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023