تبیین متغیرهای مالی موثر در پیش بینی احیای مالی با استفاده از رویکرد هوش مصنوعی
محل انتشار: فصلنامه مدلسازی اقتصادی، دوره: 17، شماره: 61
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 73
فایل این مقاله در 17 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_ECOI-17-61_005
تاریخ نمایه سازی: 30 آذر 1402
چکیده مقاله:
هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیش بینی احیای مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و بهره مندی از رویکرد هوش مصنوعی در تحلیل داده های مربوط به ۱۷۳ شرکت درمانده احیاشده طی دوره زمانی ۱۳۸۳ – ۱۳۹۹ بود. در این رویکرد، نخست با استفاده از الگوریتمهای انتخاب ویژگی های لارس و رلیف، از میان ۵۴ متغیر مالی منتخب، ۱۰ متغیر مهم و موثر در احیای مالی شرکتهای نمونه، شناسایی شد. در ادامه، برای ارزیابی دقت نتایج متغیرهای شناسایی شده در پیش بینی احیای مالی از الگوریتمهای یادگیر ماشین بردار پشتیبان و درخت تصمیم استفاده شد. نتایج نشان داد متغیرهای برگزیده با روش انتخاب ویژگی لارس و ارزیابی دقت با الگوریتم ماشین بردار پشتیبان نسبت به روش انتخاب ویژگی رلیف و ارزیابی دقت با الگوریتم درخت تصمیم، عملکرد بهتری در پیش بینی زمان خروج از درماندگی داشته است. همچنین، نتایج آشکار کرد که بدون لحاظ کردن روشهای انتخاب ویژگی، ماشین یادگیر بردار پشتیبان در مقام مقایسه با درخت تصمیم، در پیشبینی زمان خروج از درماندگی، از قدرت پیشبینی بالاتری برخوردار است. براساس نتایج، به سرمایه گذاران بازار سرمایه در انتخاب پرتفوی سرمایه گذاری پیشنهاد می شود برمبنای متغیرهای مالی موثر در پیش بینی احیای مالی و ماشین یادگیر بردار پشتیبان، شرکت های مستعد خروج از درماندگی را شناسایی و اقدام به سرمایه گذاری نمایند.
کلیدواژه ها:
طبقه بندی JEL: B۲۶ ، C۵۸ ، D۵۳ ، G۳۴. واژگان کلیدی: درماندگی مالی ، احیای مالی ، متغیرهای مالی ، رویکرد هوش مصنوعی ، بورس اوراق بهادار تهران
نویسندگان
کاظم هارونکلایی
استادیار، گروه حسابداری، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران
قدرت الله برزگر
استادیار، گروه حسابداری، دانشگاه مازندران، بابلسر، 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 :