پیش بینی شاخص های سرمایه گذاری و اعتبار سنجی به وسیله مدلهای فرا ابتکاری درشرکت های پذیرفته شده در بورس اوراق بهادار تهران
محل انتشار: کنفرانس بین المللی مدیریت و علوم انسانی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 542
فایل این مقاله در 6 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:
ICMHCONF01_439
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
در فرایند تصمیم گیری، رویدادهای گذشته به عنوان راهنمایی جهت تصمیمات مختلف آینده مورد استفاده قرار می گیرد. بههمین جهت سرمایه گذاران و اعتبار دهندگان بیشترین استفاده را از اطلاعات مالی جهت تصمیماتی که اتخاذ می کنند دارندو این تصمیمات باید از بالاترین درجه اعتبار و شفافیت برخوردار باشد در این راستا تحلیل نسبتهای مالی استخراج شده ازصورتهای مالی حسابرسی شده شرکتها می تواند کمک بسزایی را در جهت پیش بینی و ارزیابی عملکرد آینده شرکت ها بهسرمایه گذاران و اعتبار دهندگان کند.تحقیق حاظر از نوع کاربردی است و ما در این تحقیق از ابزارهای شبکه عصبی مصنوعیچند لایه پیشخور و الگوریتم ژنتیک برای پیش بینی نسبتهای مالی به عنوان شاخصی جهت انتخاب شرکتها در راستایسرمایه گذاری و اعتبار سنجی آنها پرداختیم. برای انجام این تحقیق از اطلاعات 20 شرکت فعال در صنعت خودرو و داروسازی طی بازه زمانی 1387 تا 1392 استفاده شده که جامعه آماری مورد مطالعه، شرکتهای پذیرفته شده در بورس اوراقبهادار تهران و جهت انتخاب نمونه مورد بررسی از تکنیک غربال گیری استفاده شده و تحقیق دارای دو فرضیه و یک سوالپژوهشی می باشد و همچنین برای تجزیه و تحلیل آماری نیز از نرم افزارهای MATLAB بهره برداری شده است.نتایج حاصل از پژوهش نشان می دهد که شبکه عصبی مصنوعی و مدل الگوریتم ژنتیک به عنوان روشهای فرا ابتکاریعملکرد دقیقی را در پیش بینی نسبتهای مالی در آینده دارند، که این میزان دقت پیش بینی در الگوریتم ژنتیک بهینه تر ازشبکه عصبی مصنوعی می باشد.
کلیدواژه ها:
نویسندگان
سامان ساعدی دویسه
دانشجوی کارشناسی ارشد حسابداری دانشگاه آزاد اسلامی واحد اراک
اصغر اسدی
عضو هیات علمی دانشگاه آزاد اسلامی واحد فیروز کوه
مجید داوودی نصر
عضو هیات علمی دانشگاه آزاد اسلامی واحد اراک
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 :