ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه دقت فناوری های نوین مدل های آماری و مدل های یادگیری ماشین به منظور پیش بینی ورشکستگی بانک ها

سال انتشار: 1398
کد COI مقاله: IAAC17_091
زبان مقاله: فارسیمشاهد این مقاله: 156
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 26 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه دقت فناوری های نوین مدل های آماری و مدل های یادگیری ماشین به منظور پیش بینی ورشکستگی بانک ها

نفیسه قاضی زاده احسایی - کارشناس ارشد، حسابداری، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی، مشهد، ایران
محمدرضا عباس زاده - دانشیار، گروه آموزشی حسابداری، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی، مشهد، ایران
مهدی صالحی - دانشیار، گروه آموزشی حسابداری، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی، مشهد، ایران
مهدی جباری نوقابی - استادیار، گروه آموزشی آمار، دانشکده علوم ریاضی، دانشگاه فردوسی، مشهد، ایران

چکیده مقاله:

هدف: در سال های اخیر بسیاری از کشورها با اقتصادهای پیشرفته، با بحران های جدی در بخش بانکی خود مواجه شدند. در ایران تا پیش از این کمتر به مساله پیش بینی ورشکستگی بانکها پرداخته شده است. اما اخیرا به دلیل افزایش سهم بخش خصوصی در نظام بانکی، ورشکستگی موسسات مالی و اعتباری و شایعاتی که در خصوص ورشکستگی برخی بانک ها مطرح شده است، اهمیت این موضوع دوچندان شده است.روش: در پژوهش حاضر سعی بر این است تا از میان مدل های آماری و مدل های یادگیری ماشین، دقیق ترین مدل جهت پیش بینی ورشکستگی بانک ها معرفی شود. جامعه مورد بررسی شامل 30 بانک فعال ایران برای یک دوره 10 ساله طی سال های 1387 الی 1396 می باشد.یافته ها: نتایج حاکی از دقت بالای مدل ماشین بردار پشتیبان در این زمینه است. بعد از آن به ترتیب مدل های شبکه عصبی مصنوعی، رگرسیون لجستیک و ممیزی خطی فیشر به عنوان دقیق ترین مدل ها جهت پیش بینی ارزیابی شدند. در نهایت مدل نزدیک ترین همسایه K جزو مدل های موثر در زمینه پیش بینی ورشکستگی بانک ها شناسایی نشد. این پژوهش می تواند زوایای جدیدی از تکنیک های پیش بینی ورشکستگی بانک ها را بر مطالعات مالی بیفزاید؛ چرا که به دنبال مقایسه دقت مدل های آماری و یادگیری ماشین به منظور پیش بینی ورشکستگی می باشد که این مهم در ادبیات مالی مورد بررسی قرار نگرفته است.

کلیدواژه ها:

شبکه عصبی مصنوعی، نزدیک ترین همسایه K، ماشین بردار پشتیبان، رگرسیون لجستیک، ممیزی خطی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/959494/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قاضی زاده احسایی، نفیسه و عباس زاده، محمدرضا و صالحی، مهدی و جباری نوقابی، مهدی،1398،مقایسه دقت فناوری های نوین مدل های آماری و مدل های یادگیری ماشین به منظور پیش بینی ورشکستگی بانک ها،هفدهمین همایش ملی حسابداری ایران،قم،،،https://civilica.com/doc/959494

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، قاضی زاده احسایی، نفیسه؛ محمدرضا عباس زاده و مهدی صالحی و مهدی جباری نوقابی)
برای بار دوم به بعد: (1398، قاضی زاده احسایی؛ عباس زاده و صالحی و جباری نوقابی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

نظرات خوانندگان

4.00
1 تعداد پژوهشگران نظر دهنده
5 0
4 1
3 0
2 0
1 0

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 28,217
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی