کاربرد الگوریتم هوش مصنوعی در پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت‌های پذیرفته‌شده بورس اوراق بهادار تهران
کاربرد الگوریتم هوش مصنوعی پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت‌های پذیرفته‌شده بورس اوراق بهادار تهرانچکیدهتحلیل ورشکستگی مالی یک پدیده بااهمیت برای سرمایه‌گذاران، اعتباردهندگان و سایر استفاده‌کنندگان از اطلاعات مالی محسوب می‌شود. تعیین احتمال درمانده شدن یک شرکت...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Ayandegan Institute of Higher Education, Tonekabon,
2019-08-01
|
| Series: | تصمیم گیری و تحقیق در عملیات |
| Subjects: | |
| Online Access: | http://www.journal-dmor.ir/article_91412_2b03e94e68d51f1b86557c23fd81ab7d.pdf |
| Summary: | کاربرد الگوریتم هوش مصنوعی پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت‌های پذیرفته‌شده بورس اوراق بهادار تهرانچکیدهتحلیل ورشکستگی مالی یک پدیده بااهمیت برای سرمایه‌گذاران، اعتباردهندگان و سایر استفاده‌کنندگان از اطلاعات مالی محسوب می‌شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می‌شود و می‌تواند هم برای مدیران و هم برای سرمایه‌گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات 1488 شرکت سال طی دوره 1390 الی 1395 اقدام به بومی سازی روشی جهت شناسایی شرکت های درمانده مالی در سه سطح شده است و در نهایت با استفاده از الگوریتم هوش مصنوعی ماشین بردار پشتیبان کرنل گوسی و الگوریتم قانون گرا چاید ورشکستگی مالی در سال آتی و دوسال آینده با استفاده از متغیر های کلان اقتصادی و حسابداری در بازار سرمایه ایران به کمک نرم‌افزار متلب 2017 پیش بینی شده است. از جنبه های نوآوری این پژوهش بومی سازی مدل ورشکستگی مالی در ایران با بکار گیری همزمان مدل های جهانی و ایرانی، استفاده از متغیر های کلان اقتصادی و حسابداری و همچنین استفاده از روش های هوش مصنوعی سه سطحی می باشد. نتایج تحقیق حاکی از تأثیر مستقیم تورم و ریسک مالی و تأثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر ورشکستگی مالی میباشد. همچنین نتایج نشان می‌دهد که الگوریتم غیر خطی ماشین بردار پشتیبان کرنل گوسی نسبت به الگوریتم قانون گرا چاید توانایی بالا تری در پیش بینی ورشکستگی آتی شرکت ها دارد.واژگان کلیدی: مدل سازی ورشکستگی مالی، الگوریتم هوش مصنوعی، متغیرهای کلان اقتصادی وحسابداریدسته‌بندی موضوعی: C53 A12, B26, G33, M41, |
|---|---|
| ISSN: | 2538-5097 2676-6159 |