پیش بینی درماندگی مالی با استفاده از تحلیل پوششی داده ها

Authors

  • محمدرضا طبرستانی
Abstract:

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 به منظور پیش بینی وقوع درماندگی مالی مورد توجه قرار گرفته است. به این منظور ابتدا الگویی با استفاده از این متغیر طراحی و برای بررسی بهتر نتایج، الگویی مبتنی بر تحلیل تشخیصی چندگانه به عنوان الگوی مقایسه ای طراحی شده است. علاوه بر طراحی دو الگوی پیشگفته، قابلیت استفاده از امتیاز کارایی به عنوان یک متغیر مستقل در کنار سایر نسبتهای مالی از طریق طراحی الگویی مبتنی بر تحلیل تشخیصی با استفاده از امتیاز کارایی به عنوان متغیر پیش بین مورد بررسی قرار گرفته است. نتایج حاصل نشان می دهد که الگوی طراحی شده مبتنی بر امتیاز کارایی محاسبه شده برای شرکتها با استفاده از تحلیل پوششی داده ها، قابلیت پیش بینی وقوع درماندگی مالی در شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را تا دو سال قبل از وقوع آن دارد. همچنین نتایج بدست آمده بهبود پیش بینی شرکتهای درمانده مالی با ورود امتیاز کارایی به الگوی مبتنی بر تحلیل تشخیصی را تایید می کند.

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

ارائه الگویی برای پیش بینی پویای درماندگی مالی با استفاده از تحلیل بقاء

علی رغم تحقیقات گسترده ی انجام شده در زمینه ی پیش بینی درماندگی مالی و ورشکستگی، الگوی کامل وجامعی جهت پیش بینی درماندگی مالی که مبتنی بر تئوریهای مالی شناخته شده باشد، یافت نشده است. بنابراین تحقیقات بیشتر در این زمینه منجر به درک بهتر پدیده بحران مالی می‌شود که به نوبه ی خود احتمال یافتن الگوی مناسبتر جهت پیش بینی را افزایش می دهد. بدین منظور در این تحقیق تلاش شده است که متغیرهای توضیحی اثرگذ...

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

پیش بینی درماندگی مالی شرکتها با استفاده از شبکه های عصبی مصنوعی

درماندگی مالی،ورشکستگی، هزینه های زیادی به همراه دارد که به اقتصاد یک کشور صدمه وارد می کند. یکی از راه هایی که می تواند به جلوگیری از درماندگی مالی کمک شایان توجهی کند، پیش بینی درماندثی مالی الست. در این پژوهش، با استفاده از شبکه های عصبی مصنوعی (ANN)، به پیش بینی درماندگی مالی شرکت های تولیدی پرداخته شده است. مرور جامعی از مدل های پیش بینی درماندگی مالی، شبکه های عصبی مصنوعی نیز ارایه شده ...

full text

مقایسه پیش بینی درماندگی مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تحلیل پوششی داده ها و تحلیل تشخیصی با مدل التمن

مقایسه پیش بینی درماندگی مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تحلیل پوششی داده ها و تحلیل تشخیصی با مدل التمن

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue 2

pages  158- 187

publication date 2009-06-22

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