کاربرد روش ترکیبی ماشین بردار پشتیبان و انتخاب ویژگی بهمنظور پیش بینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
عنوان مقاله: کاربرد روش ترکیبی ماشین بردار پشتیبان و انتخاب ویژگی بهمنظور پیش بینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
شناسه ملی مقاله: JR_JFR-19-1_008
منتشر شده در در سال 1396
شناسه ملی مقاله: JR_JFR-19-1_008
منتشر شده در در سال 1396
مشخصات نویسندگان مقاله:
سعید فلاح پور - استادیار مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
عیسی نوروزی یان لکوان - دانشجوی کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران، تهران،ایران
محمد هندیجانی زاده - دانشجوی کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران،تهران، ایران
خلاصه مقاله:
سعید فلاح پور - استادیار مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
عیسی نوروزی یان لکوان - دانشجوی کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران، تهران،ایران
محمد هندیجانی زاده - دانشجوی کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران،تهران، ایران
پیشبینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، موسسههای اعتباری و بانکها به آن توجه کردهاند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدلهای ترکیبشده انتخاب ویژگی و مدل طبقهبندیکننده، از مسائلی است که فقط در سالهای اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین بردار پشتیبان با چهار تابع کرنل خطی، چندجملهای، شعاعی و سیگمویید بهعنوال مدل طبقهبندیکننده و ترکیب آن با روشهای انتخاب ویژگی فیلترکننده و پوششدهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روشهای پوششدهنده انتخاب ویژگی است و روشهای آنالیز اجزای اساسی، زنجیره اطلاعات و رلیف که جزء روشهای فیلترکننده انتخاب ویژگی هستند، استفاده شده است. نتایج بهدست آمده نشان داد که روش الگوریتم ژنتیک نسبت به روشهای فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چندجملهای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان ۹۵ درصد تفاوت معناداری با هم ندارند.
کلمات کلیدی: الگوریتم ژنتیک, پوشش دهنده, درماندگی مالی, فیلترکننده, ماشین بردار پشتیبان
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1394980/