تعیین مدل ارزیابی عملکرد مالی شرکت های بورس اوراق بهادار تهران بر مبنای داده کاوی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 201

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IAMS-12-45_005

تاریخ نمایه سازی: 13 تیر 1401

چکیده مقاله:

تعیین عملکرد شرکت ها با استفاده از نسبت های مالی همواره جالب توجه بسیاری از محققان و پژوهشگران بوده است. شناسایی عوامل مالی که بیشترین تاثیر را بر عملکرد شرکت ها داشته یکی از مباحث مهم برای تصمیم گیرندگان است. در این پژوهش با به کارگیری استاندارد داده کاوی، ۴ مدل درخت تصمیم کاشف تعاملات خودکار کای دو[۱]، آماری موثر عاری از تعصب و سریع[۲]، خوشه بندی و رگرسیون[۳] و سی فایو[۴]  به منظور ارزیابی عملکرد پیاده سازی و مدل ها با معیار های ارزیابی مقایسه شدند. همچنین نسبت های تاثیرگذار در ارزیابی مالی شرکت ها شناسایی شد. ۶۷۳ شرکت بورس اوراق بهادار تهران بر اساس ۳۰ نسبت بدست آمده از  صورت های مالی سال های ۱۳۹۳-۱۳۹۰ بررسی شده است. نتایج حاصل نشان می دهد در مقایسه ۴ درخت تصمیم در روش های ارزیابی تخمین نمونه آزمایشی، اعتبار سنجی متقابل و شاخصه های ارزیابی درخت تصمیم کاشف تعاملات خودکار کای دو  دارای بیشترین صحت و دقت است. البته مدل های دیگر نیز از اطمینان بالایی (بالای ۸۰ درصد) برخوردار هستند و می توان از تمامی آن ها استفاده کرد. همچنین در نتایج داده کاوی حاضر نسبت سود خالص به فروش، نسبت بار مالی وام و گردش مجموع دارایی ها در میان نسبت های مالی مورد بررسی  اهمیت بالاتری در پیش بینی عملکرد داشتند. [۱] CHAID (Chi-squared Automatic Interaction Detection) [۲] QUEST (Quick, Unbiased, Efficient Statistical Tree) [۳] Classification and Regression [۴] C۵.۰

نویسندگان

ایمان رئیسی وانانی

استادیار مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی

قاسم بولو

دانشیار مدیریت و حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی

شهره زرکش

دانشجوی کارشناسی ارشد، مدیریت مالی، دانشگاه علامه طباطبائی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • هاشمی، سید عباس؛ حسینی، سید محسن؛ برعندان، سجاد. (۱۳۹۱). مقایسه ...
  • Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, ...
  • Delen, D., Kuzey, C., & Uyar, A. (۲۰۱۳). Measuring firm ...
  • Doolatabadi, H. R., Hoseini, S. M., & Tahmasebi, R. (۲۰۱۳). ...
  • Gorunescu, F. (۲۰۱۱). Data Mining: Concepts, models and techniques (Vol. ...
  • Hand, D. J., Mannila, H., & Smyth, P. (۲۰۰۱). Principles ...
  • Horrigan, J. O. (۱۹۶۵). Some empirical bases of financial ratio ...
  • Kass, G. V. (۱۹۸۰). An exploratory technique for investigating large ...
  • Karimi, T. & Sadeghi Moghadam, M. (۲۰۱۴). Rough Set and ...
  • Kumar, P. R., & Ravi, V. (۲۰۰۷). Bankruptcy prediction in ...
  • IBM, IBM SPSS Modeler ۱۷ Modeling Nodes, ۲۰۱۵Miner, G., Nisbet, ...
  • Ross, S. A., Westerfield, R., & Jordan, B. D. (۲۰۰۸). ...
  • Wang, H., Jiang, Y., & Wang, H. (۲۰۰۹, November). Stock ...
  • Yu, G., & Wenjuan, G. (۲۰۱۰, May). Decision tree method ...
  • Zhong, N., Dong, J., & Ohsuga, S., (۲۰۰۱). Using Rough ...
  • نمایش کامل مراجع