پیش بینی درماندگی مالی شرکت ها با استفاده از اطلاعات متنی گزارش های فعالیت هیئت مدیره

  • سال انتشار: 1404
  • محل انتشار: فصلنامه دانش حسابداری، دوره: 16، شماره: 2
  • کد COI اختصاصی: JR_JAKK-16-2_007
  • زبان مقاله: فارسی
  • تعداد مشاهده: 32
دانلود فایل این مقاله

نویسندگان

مجتبی عالی فامیان

گروه حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

محمد مرفوع

گروه حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

محمدجواد سلیمی

گروه حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

ایمان رئیسی وانانی

گروه مدیریت عملیات و فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

چکیده

هدف: اهمیت بالای درماندگی مالی برای حیات اقتصادی کشور و هزینه های بالای فردی و اجتماعی آن، موضوع پیش بینی درماندگی مالی را به یک مسئله مهم برای استفاده کنندگان و ذی نفعان صورت های مالی تبدیل کرده است. عمده پژوهش ها باتکیه بر اطلاعات مالی ساختاریافته و کمی صورت های مالی درماندگی مالی را پیش بینی کردند؛ اما در این پژوهش تلاش شده است با استفاده از تکنیک متن کاوی و الگوریتم های یادگیری ماشین، از اطلاعات ساختار نیافته گزارش های هیئت مدیره جهت پیش بینی درماندگی مالی استفاده شود. روش: به همین منظور گزارش هیئت مدیره ۱۰۰ شرکت بورسی در بازه زمانی ۱۳۹۰-۱۴۰۰ جمع آوری، با استفاده از زبان برنامه نویسی پایتون مورد متن کاوی (شامل مراحل پیش پردازش، استخراج ویژگی، انتخاب ویژگی و ...) قرار گرفتند و سپس مدل سازی آن با استفاده از الگوریتم های یادگیری ماشین در زبان برنامه نویسی پایتون انجام گرفت. یافته ها: نتایج پژوهش حاکی از برتری دو روش مدل درخت تصمیم و ماشین بردار پشتیبان با کرنل شعاعی نسبت به سایر روش ها (شامل رگرسیون لجستیک، جنگل تصادفی، نزدیک ترین همسایگی و روش های ماشین بردار پشتیبان با کرنل های خطی، سیگموئید و چندجمله ای) بود. نتیجه گیری: در واقع نتایج این پژوهش نشان داد که به جای توجه صرف بر اعداد و ارقام و نسبت های مشتق شده، می توان از تکنیک متن کاوی نیز جهت تجزیه وتحلیل و پیش بینی استفاده کرد و با تلفیق آن با نتایج حاصل از اطلاعات کمی می توان درماندگی مالی شرکت ها پیش بینی نمود.

کلیدواژه ها

درماندگی مالی, متن کاوی, یادگیری ماشین, پایتون

اطلاعات بیشتر در مورد 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.