مقایسه توانایی مدل شبکه های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی ورشکستگی (مطالعه موردی: شرکت های پذیرفته شده در بورس اوراق بهادار تهران)
- سال انتشار: 1393
- محل انتشار: کنفرانس بین المللی مدیریت و مهندسی صنایع
- کد COI اختصاصی: ICMI01_243
- زبان مقاله: فارسی
- تعداد مشاهده: 935
نویسندگان
کارشناس ارشد مهندسی صنایع، بانک توسعه تعاون، زاهدان
کارشناس ارشد مهندسی صنایع، مسئول کنترل کیفیت شرکت تولیدی آرد، زاهدان
چکیده
پیش بینی ورشکستگی مدت هاست که به عنوان یکی از مهمترین موضوعات مهم در حوزه مدیریت مالی و شناخت فرصت های مطلوب سرمایه گذاری از فرصت های نامطلوب و جلوگیری از به هدر رفتن منابع مطرح است. لذا در این پژوهش سعی شده است تا با بهره گیری از مدل شبکه های عصبی و الگوریتم ژنتیک به مقایسه نتایج حاصل از پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته و همچنین از سوی دیگر با بکارگیری الگوریتم ژنتیک در توسعه تئوری ورشکستگی، راه های غلبه بر ضعف های روش های معمول پیش بینی ورشکستگی مورد بحث و بررسی قرار گیرد. نمونه مورد مطالعه در این پژوهش شامل 70 جفت شرکت ورشکسته و غیر ورشکسته طی بازه زمانی 1390-1380 است. با بررسی های انجام شده بروی اطلاعات مستخرج از صورت های مالی شرکتهای مورد نظر در نهایت 5 متغیر مالی بعنوان متغیرهای مستفل جهت استفاده در هر دو مدل شناسایی گردید. نتایج این پژوهش نشان داد که استفاده از الگوریتم ژنتیک در مقایسه با مدل شبکه های عصبی در پیش بینی ورشکستگی مالی بسیار موثر است بطوریکه این مدل توانست جهت پیش بینی صحیح ورشکستگی مالی شرکتها به ترتیب در دوسال قبل از سال مبنا، یکسال قبل از سال مبنا و سال مبنا به دقتی معادل 96/44 و 97/94 و 95/53 درصد دست یابد.کلیدواژه ها
ورشکستگی، پیش بینی ورشکستگی، شبکه های عصبی مصنوعی، الگوریتم ژنتیکمقالات مرتبط جدید
- کالیبراسیون مبتنی بر مقایسه قطعه با قطعه مرجع به جای ابزار مرجع (Master-Part)
- نقش واسطه ای IT و مدیریت یکپارچه زیست محیطی در ارتباط بین IT و عملکرد زیست محیطی– یک مطالعه موردی
- Application of Machine Learning and Deep Learning in Pancreatic Cancer Diagnosis: A Review
- Adoption of Artificial Intelligence in Small and Medium Manufacturing Enterprises: An HBR Perspective and a Human – Machine Collaboration Framework
- کاربرد شبکه های بیزین در مدیریت نگهداری و تعمیرات پیش بینانه: مطالعه ای موردی بر خطوط تولید شرکت سیمان تهران
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.