پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با مدل شبکه عصبی مصنوعی (ANN) و مقایسه آن با مدل اریما (ARIMA)
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 664
فایل این مقاله در 7 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:
MECONF01_319
تاریخ نمایه سازی: 11 آبان 1395
چکیده مقاله:
در این تحقیق کارایی مدل شبکه عصبی مصنوعی در پیش بینی ورشکستگی شرکت ها در مقایسه با مدل اریما بررسی شده است با انتخاب تصادفی 72 شرکت ورشکسته و 72 شرکت غیر ورشکسته و با استفاده از 5 نسبت مالی به عنوان متغیر مستقل از طریقمدل شبکه عصبی پیش خور پرسپترون چهار لایه با ساختار ) 1،2،2،5 ( با الگوریتم یادگیری پس انتشار خطا به همراه مقایسه آن با مدل اریما ) 1،2،1 ( به پیش بینی احتمال ورشکستگی شرکت ها پرداخته است داده های به دست آمده از هر دو مدل شبکه عصبیمصنوعی و اریما با استفاده از معیارهای ارزیابی از جمله میانگین قدر مطلق خطا ) MAE (، میانگین مربعات خطا ) MSE ( و ریشه میانگین مربعات خطا ) RMSE (، مورد مقایسه و تجزیه و تحلیل قرار گرفته و در نهایت نتیجه گیری شده است نتیجتاً مدل شبکه عصبی مصنوعی در پیش بینی ورشکستگی شرکت ها نسبت به مدل اریما دارای خطای کمتری بوده و با دقت بیشتری عمل می نماید
کلیدواژه ها:
نویسندگان
حسن جهانگیرنیا
دانشگاه آزاد اسلامی واحد کاشان/ اداره کل دیوان محاسبات استان قم
علی بخشی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران / اداره کل دیوان محاسبات استان قم
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 :