پیش بینی ورشکستگی شرکت ها با استفاده از الگوریتم J48

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 716

فایل این مقاله در 8 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICOM02_316

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

این پژوهش درصدد بررسی قابلیت الگوریتم J48 جهت پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و مقایسه آن با شبکه بیزین بوده است. نسبت های مالی به عنوان متغیرهای مستقل و شرکتهای سالم و ورشکسته به عنوان متغیر وابسته پژوهش در نظر گرفته شده است. جامعه آماری اطلاعات صورتهای مالی شرکت ها در بورس اوراق بهادار تهران در سال 1392 است. گروه ورشکسته بر مبنای ماده 141 قانون تجارت و زیان ده بودن انتخاب شده اند و گروه غیر ورشکسته بر اساس معیار سود دهی انتخاب شده اند.نمونه تحت بررسی شامل 108 شرکت می باشد.که از این تعداد 28شرکت ورشکسته و مابقی غیرورشکسته می باشند. پس از انجام مراحل آماری الگوریتم J48 با دقت 97.28% و شبکه ساده بیز با دقت 93.02% عمل نمودند.لذا الگوریتم J48 محافظه کارتر از شبکه ساده بیز عمل نموده است.

کلیدواژه ها:

پیش بینی ورشکستگی ، الگوریتم J48 و شبکه بیزین

نویسندگان

معصومه طباطبائی

دانشجوی کارشناس ارشد حسابداری، واحد بروجرد،دانشگاه آزاد اسلامی، بروجرد،ایران

داریوش جاوید

استادیار گروه حسابداری، واحد بروجرد،دانشگاه آزاد اسلامی، بروجرد،ایران

محمدرضا معظمی گودرزی

استادیار گروه ریاضی، واحد بروجرد،دانشگاه آزاد اسلامی، بروجرد،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 :
  • -اسماعیلی، مهدی.(2 39 1). "مفاهیم _ تکنیک های داده کاوی"، ...
  • سعیدی، علی و آرزو آقایی(1388)."پیش بینی درماندگی مالی شرکت های ...
  • Alfaro E, Garcia N. Bankruptcy Forecasting: an Empirical Comparison of ...
  • Gitman, L J.(1 996) .PRINCIPLE of Manugerial Finance (7RD ED).New ...
  • Kevin P. Murphy, _ introduction to graphical models, 10 May ...
  • Sarkar S & Sriram R. Bayesian Models for Early Warning ...
  • Lee, W.C. (2004). An empirical comparison of bankruptcy models -evidence ...
  • Mckee, T.E , Greenstein, M. predicting bankruptcy using recursive partitioning ...
  • Mousavi Shiri M, Ahangary M, Vaghfi H, Kholousi A. (2012). ...
  • نمایش کامل مراجع