پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی بازجریانی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان
- نویسنده مروه بخشایشی
- استاد راهنما مهدی ابزری سید امیر حسن منجمی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
هدف اصلی این پژوهش، پیش بینی ورشکستگی مالی شرکت ها در بورس اوراق بهادار تهران به وسیله شبکه های عصبی مصنوعی بازجریانی است. نسبت های مالی سرمایه در گردش به کل دارایی ها، نسبت جاری، نسبت آنی، نسبت بدهی، نسبت p/e، گردش کل دارایی ها، نسبت حاشیه سود خالص و نسبت بازده دارایی ها، به عنوان ورودی شبکه های عصبی انتخاب شدند. وضعیت ورشکستگی شرکت ها نیز به عنوان متغیر خروجی در نظر گرفته شد. شبکه عصبی مورد استفاده در این پژوهش، از نوع بازجریانی سه لایه بوده که به روش الگوریتم پس انتشار خطا آموزش دیده است. در این پژوهش، سه مدل شبکه عصبی توسعه داده شد. مدل اول با استفاده از اطلاعات مالی یک سال قبل از ورشکستگی، با دقت کلی 95 درصد توانست به درستی ورشکستگی یا عدم ورشکستگی شرکت های مورد بررسی را پیش بینی نماید. مدل دوم با استفاده از اطلاعات مالی دو سال قبل از ورشکستگی، با دقت کلی 90 درصد توانست به درستی ورشکستگی یا عدم ورشکستگی شرکت های مورد بررسی را پیش بینی نماید. مدل سوم نیز با استفاده از اطلاعات مالی سه سال قبل از ورشکستگی، توانست به دقت کلی 5/82 دست یابد.
منابع مشابه
پیش بینی ورشکستگی شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی
آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای پیش بینی ورشکستگی شرکت های حاضر در بازار بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی است. در این تحقیق از نسبت های مالی...
متن کاملارائه 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...
متن کاملپیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم کرم شب تاب(FA)
سرمایه گذاران ، سهامداران، مدیران و دیگر ذینفعان با ورشکسته شدن شرکت، متضرر شده و دارایی خود را از دست خواهند داد. بنابراین وجود مکانیزمی که به بررسی و پیش بینی بحران مالی شرکت ها بپردازد امری ضروری و اجتناب ناپذیر بشمار می رود. تحقیقات متعددی در خصوص پیش بینی ورشکستگی صورت گرفته که استفاده از الگوریتم های هوش مصنوعی و فرا اکتشافی از نمونه مدل های دهه اخیر می باشند. در این پژوهش با استفاده از ا...
متن کاملطراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)
در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...
متن کاملتبین ارتباط بین محافظه کاری و ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل های اندازه گیری پیش بینی ورشکستگی
رقابت روزافزون بنگاه های اقتصادی دست یابی به سود را محدود و احتمال بحران مالی شرکت ها را افزایش داده است. یکی از دغدغه های همیشگی سرمایه گذاران تشخیص شرکت های سودده از شرکت های دارای بحران مالی از طریق ویژگی های مالی آنان بوده است . از طرفی محافظه کاری حسابداری در حسابداری سابقه طولانی دارد. مدتها است که محافظه کاری در رویه های حسابداری نفوذ کرده و این نفوذ نیز با اهمیت بوده است. لذا بررسی و شن...
متن کاملپیش 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...
متن کاملمنابع 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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023