ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیشبینی ورشکستگی سهام شرکتهای حاضر در بورس با استفاده از سیستم های طبقه بند XCS بهبود یافته

سال انتشار: 1391
کد COI مقاله: EBM01_014
زبان مقاله: فارسیمشاهده این مقاله: 644
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیشبینی ورشکستگی سهام شرکتهای حاضر در بورس با استفاده از سیستم های طبقه بند XCS بهبود یافته

محمد حقیقی - دانشیار دانشکده مدیریت دانشگاه تهران
نوید مشتاقی یزدانی - دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران
حمیدرضا معتمدزاده - دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران
پویا افرند - دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران

چکیده مقاله:

از آنجایی که حضور و سرمایه گذاری در بازار بورس به داشتن اطلاعات کافی و ریسک نیازمند است. یکی از مسائلی که می تواند به نحوه ی تصمیم گیری سرمایه گذاران کمک نماید استفاده از ابزار هایی برای ارزیابیشرایط مالی و وضعیت شرکت های حاضر در بورس می باشد.یکی از این ابزارهای مورد استفاده برای تصمیم به سرمایه گذاری مدل های پیش بینی ورشکستگی است. از آنجاییکه سیستم طبقه بندیXCS) که به عنوانیکی از موفق ترین عامل های یادگیرنده برای حل مسائل(Learning Agentsشناخته شده است در این مقاله به مسأله پیش بینی ورشکستگی شرکت ها پرداخته و از سیستم های طبقه بندXCSبهبود یافته برای این منظور استفاده می شود و کارایی روش مزبور از طریق مقایسه نتایج بدست آمده با نتایج موجود در مقالات دیگر مورد ارزیابی قرار می گیرد.

کلیدواژه ها:

پیش بینی ورشکستگی شرکت ها xcsبهبود یافته ، عامل یادگیرنده

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا EBM01_014 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/206421/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حقیقی، محمد و مشتاقی یزدانی، نوید و معتمدزاده، حمیدرضا و افرند، پویا،1391،پیشبینی ورشکستگی سهام شرکتهای حاضر در بورس با استفاده از سیستم های طبقه بند XCS بهبود یافته،اولین همایش ملی مهندسی مدیریت کسب و کار،کرمان،https://civilica.com/doc/206421

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1391، حقیقی، محمد؛ نوید مشتاقی یزدانی و حمیدرضا معتمدزاده و پویا افرند)
برای بار دوم به بعد: (1391، حقیقی؛ مشتاقی یزدانی و معتمدزاده و افرند)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • اولین قمایش ملی متندسی مدییت کسب 9 کار 8 خرداد ...
  • Altman E.I. September 1968. Financial Ratios, Discriminant analysis and the ...
  • Frankel, David S., Model Driven Architecture: Applying MDA to Enterprise ...
  • Latinen, Teija and Maria Kankaanpaa. 1999. Comparative Analysis of Failure. ...
  • Prediction Methods: The Finish Data. University of Vaasa, The European ...
  • Sannella, M. J., Constraint Satisfaction and Debugging for Interactive User ...
  • Zachman, John A., "A Framework for Information Systems Architecture", IBM ...
  • Plamondon, R., Lorette, G., "Automatic Signature Verification and Writer Identification- ...
  • Unified Modeling " Object Management Group, Version 2, ptc/03-07-06, July ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 63,948
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی