ارائه مدل پیش بینی ورشکستگی مبتنی برالگوریتم ژنتیک درشرکت های پذیرفته شده در بورس اوراق بهادار تهران
thesis
- وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیرانتفاعی و غیردولتی رجاء قزوین - دانشکده حسابداری و مدیریت
- author حسین دشمن زیاری
- adviser قدرت الله طالب نیا حسن همتی
- publication year 1389
abstract
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 الگوریتم ژنتیک و بخش دیگر برای تعیین اعتبار این مدل در نظر گرفته می شود.نمونه آموزشی تحقیق 150 شرکت (شامل 51 شرکت ورشکسته و 99 شرکت غیر ورشکسته) در دوره زمانی 1385-1381 می باشد. نمونه آزمایشی تحقیق نیز شامل 137 شرکت در سال 1386 و 247 شرکت در سال 1387 می باشد. نتایج این پژوهش بیانگر این موضوع می باشد که این مدل برای یک سال قبل از ورشکستگی با دقت 8/97 درصد وضعیت شرکت های ورشکسته و غیر ورشکسته را درست پیش بینی می کند. همچنین مدل مذکور برای دو سال قبل از ورشکستگی با دقت 9/97 درصد وضعیت شرکت های ورشکسته و غیر ورشکسته را درست پیش بینی می کند.
similar resources
ارائه 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 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 پیشبینی ورشکستگی مبتنی بر الگوریتم ژنتیک درشرکتهای پذیرفتهشده در بورس اوراق بهادار تهران
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 ...
full textمقایسه کارآیی مدل z امتیازی آلتمن و مدل مبتنی بر جریان های نقدی در پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
هدف این تحقیق پیشبینی ورشکستگی شرکتها با استفاده از مدل Z امتیازی آلتمن و مقایسه کارایی آن با مدل مبتنی بر نسبت جریانهای نقدی است. برای این منظور، از طیفی از نسبتهای مالی مورد نظر در مدل آلتمن و نسبت جریان نقدی بهعنوان متغیرهای پیشبینی کنندهی درماندگی مالی شرکتها استفاده شد. یافتههای تحقیق نشان داد که در مدل آلتمن معرفی شده ارتباط بین نسبت جریانهای نقدی عملیاتی به فروش با ورشکستگی غیر...
full textمقایسه قدرت پیش بینی الگوهای ورشکستگی زاوگین ،زیمسکی و شیراتا در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
full text
پیش بینی پنج ساله ورشکستگی مالی برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران
در این مطالعه مدلی برای پیشبینی ورشکستگی ارائه شده است که این پیشبینی در فاصله زمانی پنج سال قبل از وقوع ورشکستگی اتفاق می افتد. در این مدل از نسبت های مالی الگوی آلتمن به همراه نسبت جاری استفاده شده است. برآورد مدل به سه روش مدل احتمال خطی، مدل لوجیت و مدل پروبیت صورت گرفته است. نمونه انتخابی برای برآورد مدل شامل 134 شرکت از بین شرکت های فعال در بورس در سال 1382 است. براساس اطلاعات سال 1382...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیرانتفاعی و غیردولتی رجاء قزوین - دانشکده حسابداری و مدیریت
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023