پیش بینی ورشکستگی شرکت ها با استفاده از روش رگرسیون خطی و مقایسه آن با روش شبکه های عصبی مصنوعی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 339
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICPEEE01_2002
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
در این تحقیق در صدد پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل ای رگرسیون خطی و شبکه های عصبی مصنوعی و در نهایت تعیین کارایی بهترین مدل برای پیش بینی ورشکستگی می باشیم . نمونه تحت بررسی شامل 36 شرکت ورشکسته و 36 شرکت سالم طی دوره مالی 5 سال 86-90 می باشد متغیرهای مورد استفاده در این دو مدل 5 متغیر می باشند . که در نهایت نتایج این دو مدل با هم مورد مقایسه قرار گرفته است . نتایج این تحقیق حاکی از آن است مدل شبکه های عصبی مصنوعی به طور میانگین دقتی معادل 95.5 درصد و مدل رگرسیون دقتی معادل 77.76 درصد دارد ، با توجه به نتایج حاصله مدل شبکه های عصبی مصنوعی دارای دقت بیشتری در پیش بینی ورشکستگی می باشد، در نتیجه ابزار مناسب تری برای پیش بینی محسوب می گردد.
کلیدواژه ها:
نویسندگان
محمود همت فر
دانشیار گروه حسابداری دانشگاه آزاد اسلامی واحد بروجرد
مصطفی یار احمدی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات بروجرد
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 :