بررسی مقایسه ای پیش بینی درماندگی مالی شرکت ها با استفاده از تکنیک های رگرسیون خطی لوجستیک و تحلیل پوششی داده ها در شرکت های پذیرفته شده در بورس اوراق بهادار تهران

Authors

  • عقبایی, عفت دانشگاه آزاد اسلامی واحد مشهد
  • موسوی شیری, سید محمود دانشگاه پیام نور ایران
  • وقفی, سید حسام دانشگاه پیام نور ایران
  • پور رضا سلطان احمدی, اکبر دانشگاه آزاد اسلامی واحد سلماس
Abstract:

This article doesn't have abstract

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه بیزی ساده و مقایسه آن با تحلیل پوششی داده ها

در این پژوهش دو الگوی مختلف پیش بینی، الگوی شبکه بیزی ساده از سیستم های خبره و هوش مصنوعی و الگوی تحلیل پوششی داده ها از فنون تحقیق در عملیات برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران که در بازه زمانی 1389 تا 1391 فعال بوده اند به کار گرفته شده است. نتایج حاصل از پژوهش نشان داد که هردو الگوی طراحی شده قابلیت پیش بینی وقوع درماندگی مالی شرکت های پذیرفته شده در ب...

full text

استفاده از تکنیک تحلیل پوششی داده ها برای سنجش کارایی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل مبتنی بر گزارشگری مالی

تحلیل پوششی داده ای دامنه گسترده ای از مدل های بهینه سازی ریاضی است که برای سنجش کارایی نسبی مجموعه ای از واحد های متجانس با ورودی ها وخروجی های مشابه به کار می رود. این مدل مجموعه ای از اوزان را برای متغیرهای ورودی و خروجی هر واحد تصمیم گیری به دست آورده وبر اساس آن کارایی نسبی هر واحد را محاسبه می کند. هدف از پژوهش حاضر معرفی تکنیک پوششی داده ها (DEA) و مدل بی – سی - سی با ماهیت خروجی برای مح...

full text

تحلیل صورت های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل تحلیل پوششی داده ها ی پنجره ای

یکی از روش های جدید تحلیل صورت های مالی، مدل تحلیل پوششی داده ها می باشد. ولیکن ایراد این روش این است که عملکرد را صرفا در یک دوره زمانی خاص و به صورت ایستا ارزیابی می کند. در همین راستا، این پژوهش به بررسی تحلیل صورت های مالی شرکت های بورس اوراق بهادار تهران با استفاده از مدل تحلیل پوششی داده های پنجره ای می پردازد. علت اصلی استفاده از این مدل جدید نیز، بررسی عملکرد شرکت ها در طول بازه های زما...

full text

پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه بیزی ساده و مقایسه آن با تحلیل پوششی داده ها

در این پژوهش دو الگوی مختلف پیش بینی، الگوی شبکه بیزی ساده از سیستم های خبره و هوش مصنوعی و الگوی تحلیل پوششی داده ها از فنون تحقیق در عملیات برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران که در بازه زمانی 1389 تا 1391 فعال بوده اند به کار گرفته شده است. نتایج حاصل از پژوهش نشان داد که هردو الگوی طراحی شده قابلیت پیش بینی وقوع درماندگی مالی شرکت های پذیرفته شده در ب...

full text

ارزیابی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران: مطالعه مقایسه ای بین تحلیل پوششی داده ها و رگرسیون لجستیک

ارزیابی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران: مطالعه مقایسه ای بین تحلیل پوششی داده ها و رگرسیون لجستیک محمد رضا رستمی1، میرفیض فلاح شمس2، فرزانه اسکندری3 1- استادیار مدیریت مالی دانشکده علوم اجتماعی، دانشگاه الزهرا، تهران، ایران 2- استادیار مدیریت مالی، دانشگاه آزاد تهران مرکزی، تهران، ایران 3- دانشجوی کارشناسی ارشد مدیریت مالی دانشکده علوم اجتماعی، دانشگاه ال...

full text

تعیین روش بهینه پیش بینی درماندگی مالی شرکت ها (مطالعه موردی: شرکت های بورس اوراق بهادار تهران)

یکی از مهم‌ترین موضوعات مطرح در حوزه مدیریت مالی، آن است که سرمایه‌گذاران فرصت‌های مطلوب سرمایه‌گذاری را از فرصت‌های نامطلوب تشخیص دهند. در راستا، ‌یکی از راه‌های کمک به سرمایه‌گذاران ارائه‌ی مدل‌های پیش‌بینی درماندگی مالی شرکت‌ها است. با توجه به مطالعات مختلفی که برای توسعه این دسته از مدل‌ها انجام گرفته‌اند، در پژوهش حاضر از ترکیب تکنیک‌های شبکه‌ عصبی مصنوعی و الگوریتم ژنتیک بر مبنای نسبت‌های...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 11

pages  72- 97

publication date 2011-10

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023