ارایه یک مدل ترکیبی به منظور تحلیل تطبیقی الگوریتم های خوشه بندی داده های مالی
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DMOR-8-2_013
تاریخ نمایه سازی: 29 مهر 1402
چکیده مقاله:
هدف: الگوریتم های خوشه بندی، ابزارهای مفیدی برای درک ساختار داده ها و طبقه بندی آن ها در مجموعه داده های مختلف می باشند. با توجه به اهمیت به کارگیری این الگوریتم ها در تحلیل داده های بازارهای مالی که از حجم و گستردگی بالایی برخوردارند، این پژوهش به منظور انتخاب بهترین الگوریتم خوشه بندی برای خوشه بندی شرکت های حاضر در بورس اوراق بهادار تهران در حوزه مالی از الگوریتم های خوشه بندی مختلف استفاده نموده و به ارزیابی اعتبار این الگوریتم ها و انتخاب بهترین الگوریتم پرداخته است.روش شناسی پژوهش: این پژوهش از نظر هدف، کاربردی و از نظر روش اجرا توصیفی و از نوع کمی (مدل سازی ریاضی) است. جامعه آماری تحقیق شامل ۴۰۳ شرکت حاضر در بورس اوراق بهادار تهران در سال ۹۸ است که عملکرد آن ها بر اساس چهار معیار مالی ارزیابی شده است.یافته ها: پس از خوشه بندی شرکت های مورد بررسی توسط پنج الگوریتم خوشه بندی K-Means، EM، COBWEB، الگوریتم مبتنی بر چگالی و روش وارد، از هفت شاخص RS، DB، دان، SD، خلوص، آنتروپی و زمان برای ارزیابی الگوریتم های خوشه بندی استفاده گردید. در نهایت، عملکرد نهایی الگوریتم های به کار رفته بر اساس روش های تاپسیس، ویکور و تحلیل پوششی داده ها مورد تجزیه وتحلیل قرار گرفت. بر اساس نتایج، روش K-Means از عملکرد بهتری در خوشه بندی شرکت ها بر اساس مجموعه داده های مالی برخوردار است.اصالت/ارزش افزوده علمی: از آن جایی که هیچ الگوریتم خوشه بندی نمی تواند بهترین عملکرد را در تمام اندازه گیری ها برای هر مجموعه داده داشته باشد، این پژوهش ضمن به کارگیری ترکیبی از معیارهای چند گانه به منظور تجزیه وتحلیل الگوریتم های خوشه بندی داده های مربوط به حوزه ارزیابی عملکرد مالی شرکت ها، به ارایه پیشنهاداتی پرداخته و نتایج این پژوهش برای سرمایه گذاران حوزه مالی کاربرد موثر داشته که منجر به انتخاب بهینه سبد سرمایه گذاری می شود.
کلیدواژه ها:
نویسندگان
مجتبی موحدی
گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران.
مهدی همایونفر
گروه مدیرت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران.
مهدی فدایی
گروه مدیرت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران.
منصور صوفی
گروه مدیرت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، 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 :