کاربرد الگوریتم های فراابتکاری در پیش بینی درماندگی مالی با استفاده از متغیرهای مالی و غیرمالی درون شرکتی و اقتصادی (الگوریتم های بهینه سازی ملخ و کلونی مورچگان)
محل انتشار: فصلنامه اقتصاد مالی، دوره: 17، شماره: 62
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 175
فایل این مقاله در 34 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECJ-17-62_005
تاریخ نمایه سازی: 20 اسفند 1401
چکیده مقاله:
هدف این پژوهش ارزیابی توانمندی الگوریتم فراابتکاری بهینه سازی ملخ (GOA) در پیش بینی دقیق تر درماندگی مالی با استفاده از متغیرهای درون شرکتی (مالی و غیرمالی) و اقتصادی می باشد. روش این پژوهش بهبود عملکرد مدل پایه شبکه عصبی مصنوعی پرسپترون چندلایه (ANN-MLP) از طریق ایجاد مدل ترکیبی مبتنی بر الگوریتم ملخ (MLP-GOA) و مقایسه توانمندی آن با عملکرد مدل ترکیبی مبتنی بر الگوریتم کلونی مورچگان (MLP-ACO) می باشد. جامعه آماری پژوهش شرکت های فعال در بازار بورس اوراق بهادار تهران طی یک دوره ۷ ساله (از ۱۳۹۱ تا ۱۳۹۷) شامل ۴۷۶ شرکت بوده که در نهایت با حذف سیستماتیک، ۲۸۹ شرکت حایز شرایط (شامل ۲۰۲۳ مشاهده سال- شرکت) مورد بررسی و غربالگری قرار گرفته است. آزمون فرضیه ها برمبنای معیارهای ارزیابی ماتریس اغتشاش و منحنی ROC انجام شد. یافته ها توانمندی مدل پایه ANN-MLP در پیش بینی درماندگی مالی با استفاده از متغیرهای مالی و غیرمالی را اثبات نمود و علاوه بر آن، الگوریتم-های فراابتکاری از طریق مدل های MLP-GOA و MLP-ACO عملکرد مدل پایه شبکه عصبی را بهبود دادند. دقت مدل MLP-GOA برای سال وقوع درماندگی تا دو سال قبل از آن به ترتیب ۳/۹۷%، ۵/۹۴% و ۳/۹۱% بوده است که از دقت مدل پایه و مدل MLP-ACO نیز بیشتر بوده است. همچنین نتایج نشان داد که با ورود متغیرهای اقتصادی، اگر چه توانمندی کلیه مدل های پایه و ترکیبی به نحو معنی داری افزایش یافته است، لیکن درماندگی مالی بیشتر متاثر از متغیرهای درون شرکتی بوده و در واقع اثر متغیرهای اقتصادی بر این رخداد، قبلا از طریق اثر بر رویدادهای مالی ثبت شده در سیستم حسابداری، لحاظ شده است.
کلیدواژه ها:
درماندگی مالی ، متغیرهای مالی و اقتصادی ، الگوریتم بهینه سازی ملخ (GOA) ، الگوریتم کلونی مورچگان (ACO) و شبکه عصبی مصنوعی پرسپترون چند لایه (MLP)
نویسندگان
فریدون مرادی
گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
احمد یعقوب نژاد
گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
آزیتا جهانشاد
گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
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 :