تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

نویسندگان

  • هانی بیرامی دانشجوی کارشناسی ارشد، علوم کامپیوتر، دانشگاه تهران
چکیده مقاله:

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن است تا با استفاده از مدل‌ مبتنی بر شبکه عصبی مصنوعی به شناسایی عوامل موثر در تعیین ارزش دارایی‌های نامشهود در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بپردازد. هدف اصلی از مدل کردن عوامل موثر بر ارزش دارایی‌های نامشهود با استفاده از شبکه‌های عصبی، بررسی میزان تأثیر پانزده متغیر ورودی (شامل تعداد اعضای هیات مدیره، استقلال هیات مدیره، اندازه شرکت، اهرم، دارایی‌های ثابت، رشد فروش، سودآوری، پرداخت سود، سن شرکت، تعداد کارکنان، متنوع‌سازی، ساختار مدیریت، صادرات، مخارج تحقیق و توسعه و هزینه‌های بازاریابی و تبلیغات) بر متغیر ارزش شرکت می‌باشد. یافته‌های حاصل از پژوهش حاکی از اهمیت ویژگی‌های خاص شرکتی در وهله نخست، حاکمیت شرکتی در رتبه دوم، ساختار مالکیت در رتبه سوم و سرمایه نامشهود در رتبه چهارم در تعیین ارزش دارایی‌های نامشهود است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تعیین ارزش دارایی های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه گذاری یا اعطای تسهیلات، امری حیاتی است. از آن جایی که اقتصاد دانش محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی های فیزیکی به دانش نامشهود منتقل شده است. از این رو در آینده نه چندان دور، ارزش گذاری دارایی های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

متن کامل

مدل‌سازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی

در این مطالعه آزمایش­های مزرعه­ای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنه­های متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتی­متر، سرعت­های پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگین­کننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکه­های عصبی مدل­سازی شده در این تحقیق که به­ منظور پیش­بینی بازده کششی تراکتور مورد اس...

متن کامل

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیم­شناسی است که اندازه­گیری و برآورد آن ضروری است. با توجه به این­که دمای خاک فقط در ایستگاه­های سینوپتیک کشور اندازه­گیری می­شود، کمبود آن در نقاط فاقد ایستگاه از چالش­های بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...

متن کامل

پیش‌بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

Background: Diabetes ever-increasing prevalence and the heavy burdens of controlling and treatment of the disease on people and the country have turned to be greatest challenges for governmental and healthcare authorities. Therefore, the disease prevention takes top priority and to do so the only possible way is detecting the effective parameters and controlling them. This study is about to for...

متن کامل

تقریب مقادیر ویژه ورق با استفاده از شبکه عصبی مصنوعی

هدف از این مقاله، تعیین فرکانس زاویه‌ای طبیعی ورق‏ها با توجه به شرایط مختلف تکیه‌گاهی به کمک شبکه عصبی مصنوعی است. یکی از مشهورترین روش‏های آموزش شبکه عصبی، استفاده از الگوریتم انتشار برگشتی است. این الگوریتم برای آموزش شبکه‌های چند لایه قابل کاربرد است. الگوریتم انتشار برگشتی بر مبنای کاهش گرادیان بوده و در آن شیب خطا به تدریج کم شده و وزن‏های شبکه برای رسیدن به حداقل خطا، تعدیل می‌شود. در این...

متن کامل

تخمین انرژی شکست بتن با استفاده از شبکه عصبی مصنوعی

بتن یکی از رایج‏ترین مصالح صنعتی و ساختمانی است که به دلیل اقتصادی بودن اهمیت روز افزونی پیدا می‏کند. در سال‏های اخیر با بهره‏گیری از روش‏های مختلف آزمایشگاهی، پارامتر‏های شکست مواد سیمانی مانند بتن مورد بررسی قرار گرفته است؛ نقش این پارامتر‏ها در طراحی سازه‏های سطحی و زیر‏سطحی از اهمیت ویژه‏ای برخوردار است. در این مقاله مدل شکست بر ‏اساس شبکه عصبی برای تخمین پارامترشکست بتن  GF(انرژی مخصوص شکس...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 4  شماره 4

صفحات  223- 238

تاریخ انتشار 2015-02-20

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023