بررسی سودمندی به کارگیری تکنیک های داده کاوی در پیش بینی درماندگی مالی شرکت ها

thesis
abstract

پیش¬بینی درماندگی مالی و ورشکستگی، امروزه نقش مهمی در تحقیقات مالی و حسابداری ایفا می¬نماید؛ به گونه¬ای که با پیش¬بینی به موقع و پیشگیری تدبیرانه از وقوع آن، می¬توان هزینه¬های اقتصادی و اجتماعی تحمیل شده به جامعه را کاهش داد. در این پژوهش با استفاده از تکنیک¬های داده¬کاوی به پیش¬بینی درماندگی شرکت¬های پذیرفته شده در بورس اوراق بهادار تهران در بین سال¬های 1383 تا 1387 پرداخته شده است. تعداد شرکت¬های درمانده مالی برای دوره مزبور 35 شرکت بود که 35 شرکت نیز به طور تصادفی به عنوان نمونه شرکت¬های سالم انتخاب گردید. این تحقیق از نوع هدف یک تحقیق کاربردی و از نظر تحلیل داده¬ها از نوع تحقیقات همبستگی بوده و انتظار می¬رود مدل¬های بدست آمده از تکنیک¬های داده¬کاوی با دقت بالایی درماندگی مالی شرکت¬ها را پیش¬بینی کند. تکنیک¬های مورد استفاده در این پژوهش عبارتند از درخت تصمیم، شبکه¬های عصبی و ماشین بردار پشتیبان که با استفاده از این تکنیک¬ها درماندگی مالی شرکت¬ها برای سال وقوع، یک سال قبل و دو سال قبل از وقوع درماندگی مالی مورد بررسی قرار گرفته است. نتایج بدست آمده نشان می¬دهد که تکنیک درخت تصمیم با دقت کلی 98.57% برای سال وقوع درماندگی مالی، 92.86% برای یک سال قبل از وقوع درماندگی مالی و 80% برای دو سال قبل از وقوع درماندگی مالی نسبت به تکنیک¬های شبکه عصبی و ماشین بردار پشتیبان برای تمامی سال¬های فوق از توان پیش¬بینی کنندگی بالایی برخوردار می¬باشد.

similar resources

پیش بینی درماندگی مالی با استفاده از تحلیل پوششی داده ها

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 ...

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

پیش بینی عود مجدد سرطان پستان به کمک سه تکنیک داده کاوی

مقدمه: تعداد و اندازه پایگاه داده های پزشکی به سرعت در حال افزایش است و مدل های توسعه یافته تکنیک داده کاوی می توانند برای پزشکان جهت کمک در تصمیم گیری موثر و کاربردی باشند. هدف اصلی از این مقاله، گزارش یک پروژه تحقیقاتی به منظور مقایسه الگوریتم های مختلف داده کاوی از طریق مقایسه حساسیت، ویژگی و دقت بین آنها، جهت انتخاب دقیق ترین مدل برای پیش بینی عود مجدد سرطان پستان در زنان مبتلا بوده است. د...

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

کاربرد روش انتخاب ویژگی هارک (HARC) در پیش بینی درماندگی مالی شرکت ها در بورس اوراق بهادار تهران

یکی از مسائل مهم در پیش­بینی درماندگی مالی، انتخاب متغیرهای پیش­بین می­باشد. پژوهش پیش رو به نشان رویکردی جدید برای انتخاب ویژگی با استفاده از دسته­بندی نسبت­های مالی بر مبنای مفاهیم مالی و ترکیب روش­های آماری با الگوریتم­های فراابتکاری می­پردازد. بدین منظور 34 نسبت مالی برای شرکت­های تولیدی درمانده براساس ماده 141 قانون تجارت و به همان تعداد شرکت سالم به صورت تصادفی از شرکت­های پذیرفته شده در ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023