ارزیابی درماندگی مالی شرکت ها در بورس اوراق بهادارتهران به وسیله الگوریتم ژنتیک
محل انتشار: دهمین همایش ملی حسابداری ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,209
فایل این مقاله در 14 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:
IAAC10_069
تاریخ نمایه سازی: 4 اسفند 1391
چکیده مقاله:
منابع مالی به عنوان یکی از مهمترین منابع مورد نیاز در روند سرمایه گذاری به همراه نیروی انسانی، دو پایه اصلی سرمای هگذاری را تشکیل می دهند. با توجه به محدودیت منابع مالی، تخصیص کارآمد این منابع منجر بهجلوگیری از اتلاف منابع محدود و درنهایت منجر به تخصیص بهینه منابع می شود. در این راستا، باید اشخاص حقوقی نیازمند به منابع را به صورت مداوم مورد بررسی قرار داد و منابع را به صورت هدفمند توزیع کرد. یکی ازراهکارهای ارزیابی شرکت ها، بررسی شاخص درماندگی مالی آن ها است. با بکارگیری این سازوکار، می توان شرکت های مناسب را انتخاب کرد و منابع مالی با هدف رشد و کارآمدی بالا و توسعه اقتصادی بلندمدت،تخصیص داد. از نقطه نظر اقتصادی، درماندگی مالی را می توان به زیان ده بودن شرکت تعبیر کرد که در این حالت، شرکت دچار عدم موفقیت شده است.در این پژوهش سعی شده است از طریق بررسی رابطه بین نسبت های مالی منتخب شرکت ها و درماندگی مالی آن ها، به پیش بینی درماندگی آن ها پرداخت. مدلی که در این پژوهشارائه می شود در برگیرنده بخشی از عوامل تاثیرگذار خارج سازمانی و داخل سازمانی بر نسبت های مالی است. در حقیقت شناسایی عوامل خارجی و سپس عوامل داخلی، استخراج نسبت های مالی مورد نیاز از عوامل داخلی و خارجی، ورود این نسبت ها در الگوریتم ژنتیک و شبکه عصبی، انتخاب روش با دقت بالاتر و در نهایت پیش بینی درماندگی مالی با استفاده از روش منتخب، هدف کلی ما در این پژوهش است. طبق بررسی های صورت گرفته در این پژوهش، دقت الگوریتم ژنتیک در پیش بینی درماندگی مالی شرکت ها به مراتب از روش شبکه عصبی بیشتر است. بنابراین الگوریتم ژنتیک با حدود 70 % دقت ب هعنوان روش منتخب معرفی می شود
کلیدواژه ها:
شبک ههای عصبی مصنوعی ، الگوریتم یادگیری ، پرسپترون ، الگوریتم ژنتیک ، عملگرهای الگوریتم ژنتیک ، درماندگی مالی
نویسندگان
محمدحسن قلیزاده
استادیار مدیریت مالی، دانشگاه گیلان
لیلا حاجی پورگلشنی
کارشناس ارشد MBA گرایش مالی، پردیس بین الملل دانشگاه گیلان
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 :