بررسی توان شیوه های داده کاوی در تفکیک شرکت های درمانده و غیر درمانده
محل انتشار: مجله چشم انداز مدیریت مالی، دوره: 13، شماره: 41
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 163
فایل این مقاله در 31 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_FINANC-13-41_003
تاریخ نمایه سازی: 4 مهر 1402
چکیده مقاله:
درماندگی مالی یکی از موضوعات مهم در بازارهای مالی بوده و میتواند در مدل تصمیمگیری سرمایه گذاران وارد شود تا بتوانند به تجزیه و تحلیل وضعیت مالی موارد سرمایهگذاری پرداخته و با مشخص شدن سطح درماندگی مالی، با اطمینان در موقعیت مناسب تصمیمگیری کنند؛ بنابراین در این پژوهش بررسی می شود که آیا می توان یک رویکرد محاسباتی نوین برای پیش بینی درماندگی مالی، با استفاده از شیوههای خوشهبندی و طبقهبندی ارائه کرد؟ جامعه آماری پژوهش، شرکتهای پذیرفته شده در بورس اوراقبهادار تهران در سالهای ۱۳۹۳ الی ۱۳۹۹ میباشد؛ که با استفاده از روش حدف سیستماتیک؛ اطلاعات ۱۲۳ شرکت استخراج گردید؛ برای پاسخ گویی به سوالات پژوهش از ۶ علامت هشداردهنده درماندگی مالی به همراه شیوه های داده کاوی تحلیل مولفه های اساسی و خوشه بندی، برای تعیین شرکت های درمانده مالی استفاده شد؛ سپس به منظور ارائه مدلی برای پیش بینی درماندگی مالی، از ۲۳ متغیر مالی و غیرمالی (که در نهایت تعداد ۱۳ متغیر به عنوان ورودی به علت داشتن ضریب همبستگی بالا با متغیر در ماندگی مالی انتخاب شدند) به همراه شیوه درخت تصمیم استفاده شد. یافته های پژوهش بیانگر این موضوع هستند که شیوههای داده کاوی امکان تفکیک شرکت های درمانده و غیر درمانده را فراهم میکند و بیانگر یک روش تحلیلی خودکار برای کشف درماندگی بالقوه می باشد.
کلیدواژه ها:
نویسندگان
علی لعل بار
استادیار، گروه حسابداری، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
محدثه سلمانی
کارشناسی ارشد حسابداری، گروه حسابداری، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران.
الهام درجاتی
دانشجوی دکتری حسابداری، گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، 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 :