پیش بینی سلامت مالی با رویکرد هوش مصنوعی قانون گرا با تاکید بر نقش معیار های نظام راهبری (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
سلامت مالی به مفهوم توان سودآوری و تداوم فعالیت واحد اقتصادی می باشد که برای کلیه سهامداران و ذینفعان از اهمیت بسیار بالایی برخوردار است و اساساً همه ی ذینفعان در واحدهای اقتصادی به داشتن ابزارهای مناسبی که بتوانند سودآوری و تداوم فعالیت واحدها را ارزیابی و پیش بینی کنند علاقه مندند.هدف این پژوهش شناسایی عوامل مؤثر بر سلامت مالی و پیش بینی درجه سلامت مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. بدین منظور از اطلاعات 138 شرکت (1104 شرکت –سال) طی سال های 1390 الی 1397 و نرم افزار متلب[1]</sup> جهت آزمون فرضیه های پژوهش استفاده شد. آزمون متغیر گزینی که با استفاده از الگوریتم هوش مصنوعی تجزیه وتحلیل مؤلفه های همسایه انجام شد نشان داده است که از بین معیارهای نظام راهبری نسبت مدیران غیرموظف، نسبت مالکان نهادی، اندازه کمیته حسابرسی و استقلال کمیته حسابرسی و تغییر مدیرعامل جهت تبیین سلامت مالی شرکت ها بالاترین تأثیر را دارد و همچنین جهت پیش بینی درجه سلامت مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران از روش الگوریتم قانون گرا درخت تصمیم استفاده شد که نتایج پیش بینی حاکی از قدرت بالای الگوریتم هوش مصنوعی قانون گرای درخت تصمیم (باقدرت بیش از 80 درصد) جهت پیش بینی سلامت مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. [1]. MatlabPredicting Financial Health with a Legalistic AI Approach Emphasizing the Role of Governance System Criteria
Financial health means the ability to profitability and continuity of activity of the economic unit, which is very important for all shareholders and stakeholders, and basically all stakeholders in economic units are interested in having appropriate tools that can assess and predict the profitability and continuity of activity. The purpose of this study is to identify the factors affecting financial health and predict the degree of financial health of companies listed on the Tehran Stock Exchange. For this purpose, the data of 138 companies (1104 companies-years) during the years 2011 to 2018 and Matlab software were used to test the research hypotheses. Variable selection test performed using artificial intelligence algorithm to analyze neighboring components showed that among the criteria of the management system, the ratio of non-executive managers, the ratio of institutional owners, the size of the audit committee and the independence of the audit committee and change of CEO to explain the financial health of companies. Also, in order to predict the degree of financial health of companies listed on the Tehran Stock Exchange, the decision-oriented algorithm of the decision tree was used. The financial health of companies listed on the Tehran Stock Exchange
تبلیغات
