پیش‌بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران

Authors

  • مریم محمودی کارشناسی‌ارشد مدیریت بازرگانی گرایش مالی، دانشکده مدیریت دانشگاه قم
Abstract:

پیش‌بینی ریسک ورشکستگی مالی یکی از مهمترین موضوعات در حوزه تصمیم‌گیری مالی شرکت‌ها است. از این جهت، تاکنون مدل‌های متنوعی که هرکدام از نظر متغیرهای پیش‌بینی‌کننده و تکنیک‌ها متفاوتند، ارائه شده‌اند. استفاده از ترکیب متغیرهای حسابداری و بازاری در مدل به عنوان ورودی، قطعاً بر نتایج و دقت پیش‌بینی‌ها تاثیر مستقیمی خواهد داشت. در این مطالعه، پیش‌بینی با استفاده از مدل ترکیبی (استفاده از متغیرهای حسابداری و بازاری ) و تکنیک شبکه‌های عصبی از نوع مدل پرسپترون چندلایه (MLP) صورت پذیرفت. نمونه پژوهش شامل 90 شرکت پذیرفته شده در بورس اوراق بهادار تهران (31 شرکت ورشکسته طبق ماده 141 قانون تجارت ایران و 59 شرکت غیرورشکسته) طی سال‌های 1393-1386 می‌باشد. نتایج پژوهش نشان می‌دهد که مدل ترکیبی (ترکیب متغیرهای حسابداری و بازاری) با استفاده از تکنیک شبکه عصبی، نسبت به هر کدام از دو مدل حسابداری و بازاری از دقت بالاتری در پیش‌بینی ریسک ورشکستگی مالی برخوردار است. همچنین، مدل بازاری نیز دقت بیشتری نسبت به مدل حسابداری دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی ریسک ورشکستگی مالی بر اساس مدل‌های حسابداری، بازاری و ترکیبی(ترکیب دو مدل) با استفاده از تکنیک شبکه‌های عصبی RBF و MLP در بورس اوراق بهادار تهران

در این مقاله، به پیش‌بینی ریسک ورشکستگی مالی بر اساس مدل‌های حسابداری، بازاری و ترکیبی (ترکیب دو مدل فوق) با استفاده از تکنیک‌های MLP و RBF شبکه‌های عصبی پرداخته شده و نتایج تکنیک‌های مذکور بر اساس شاخص میانگین مربعات خطا در سه مدل یاد شده با هم  ...

full text

پیش‌بینی ورشکستگی مالی شرکت‌های بورس اوراق بهادار تهران با استفاده از شبکه‎های عصبی مصنوعی

هدف اصلی این مقاله پیش‎بینی ورشکستگی مالی شرکت‎ها در بورس اوراق بهادار تهران به وسیله‎ی شبکه‎های عصبی مصنوعی است. مقادیر میانگین مربوط به نسبت‎های مالی کلیدی در پژوهش‎های صورت گرفته در پیشینه موضوع به‎عنوان ورودی شبکه‎های عصبی انتخاب شده‎اند. شبکه عصبی به‎کار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیده‎اند و شامل شبکه عصبی پیش‎خور سه لایه با ت...

full text

سنجش ضریب احتمال ورشکستگی شرکت های بورس اوراق بهادار تهران (با استفاده از مدل اوهلسون)

در این مقاله ضریب احتمال ورشکستگی شرکت های فعال در بورس اوراق بهادار تهران محاسبه شده است. در پژوهش ­پیش رو با بررسی آخرین صورت حساب مالی حسابرسی شده 49 شرکت ورشکسته در دوره زمانی 1383 تا 1391 و 64 شرکت پیشرو بورس در سال 1391، مدل اوهلسون با تکنیک لاجیت برای این صنایع تخمین زده شده است. نتایج به دست آمده نشان می‌دهدکه متغیر نسبت بدهی کل به دارایی کل تأثیرگذارترین متغیر بر احتمال ورشکستگی در صنا...

full text

پیش بینی ورشکستگی مالی شرکت های بورس اوراق بهادار تهران با استفاده از شبکه‎های عصبی مصنوعی

هدف اصلی این مقاله پیش‎بینی ورشکستگی مالی شرکت‎ها در بورس اوراق بهادار تهران به وسیله‎ی شبکه‎های عصبی مصنوعی است. مقادیر میانگین مربوط به نسبت‎های مالی کلیدی در پژوهش‎های صورت گرفته در پیشینه موضوع به‎عنوان ورودی شبکه‎های عصبی انتخاب شده‎اند. شبکه عصبی به‎کار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیده‎اند و شامل شبکه عصبی پیش‎خور سه لایه با ت...

full text

پیش‏ بینی ریسک نکول با استفاده از مدل ساختاری توسعه‏ یافته در بورس اوراق بهادار تهران

یکی از اساسی‏ ترین مباحث مدیریت ریسک در مؤسسات مالی، بانک‏ها و مؤسسات رتبه‏ بندی، ریسک اعتباری است. ریسک اعتباری به ریسک نکول قرض‏ گیرنده اشاره دارد؛ یعنی ریسک این‏که قرض‏ گیرنده نتواند به تعهدات خود برای پس دادن قرض، عمل کند یا حداقل آن تعهدات را به موقع تسویه نکند. در این مقاله قصد داریم ریسک نکول (احتمال نکول) را در شرکت‏های منتخب بورسی پیش‏ بینی کنیم. می‏توان مدل‏های مطرح در ارزیابی ریسک نک...

full text

پیش‌بینی ورشکستگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از ANN ، ANFIS ،LOGIT

بانک ها به عنوان بخش اصلی نظام مالی نقش کلیدی را در تأمین مالی بخش های مختلف اقتصادی بر عهده دارند. یکی از مهم‌ترین موضوع‌های مطرح شده در زمینه‌ی مدیریت مالی و بازار یابی مالی، این است که سرمایه‌گذاران فرصت‌های مناسب سرمایه‌گذاری را از فرصت‌های نامطلوب تشخیص دهندو مدیران مدیریت مالی موثر و کارآمد در تامین منابع مالی داشته باشند. ‌یکی از راه‌های کمک به سرمایه‌گذاران، ارائه‌ی الگوهای پیش‌بینی ورش...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 1

pages  51- 75

publication date 2017-05-22

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