حبیبه میرزایی اسرمی

حبیبه میرزایی اسرمی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۱ مورد از کل ۱ مورد.
۱.

مقایسه مدل تحلیل تمایزی چندگانه با مدل شبکه های عصبی در پیش بینی ورشکستگی شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلید واژه ها: پیش بینی ورشکستگی الگوریتم یادگیری پس انتشار خطا (BP) مدل شبکه های عصبی مصنوعی (ANN) مدل تحلیل تمایزی چندگانه (MDA)

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات برنامه ریزی چند معیاره
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری مدیریت اوراق بهادار
تعداد بازدید : ۱۰۳۶ تعداد دانلود : ۴۷۱
پژوهش حاضر به مطالعه ی پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران به وسیله ی شبکه های عصبی مصنوعی می پردازد. بهترین نسبت های مالی پیش بین در پژوهش های صورت گرفته در پیشینه موضوع به عنوان ورودی شبکه های عصبی انتخاب شده اند. شبکه ی عصبی به کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه می باشد که به روش الگوریتم پس انتشار خطا آموزش دیده اند، و شامل شبکه عصبی پیشخور سه لایه با ترکیب (5:18:2) در آرایش نرون هاست. نمونه های انتخاب شده در برازش الگو شامل یک گروه 54 عضوی از شرکت های ورشکسته ویک گروه 64 عضوی از شرکت های غیرورشکسته بورس اوراق بهادار تهران است که گروه ورشکسته بر مبنای مشمولیت ماده 141 قانون تجارت طی سال های 1381 تا 1389و گروه غیرورشکسته وبراساس روش نمونه گیری تصادفی از شرکت های تولیدی پدیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی تحقیق انتخاب شده اند. از مدل تحلیل تمایزی چندگانه به منظور مقایسه ی دقت پیش بینی مدل شبکه های عصبی استفاده شده است. ملاک صحت پیش بینی مدل ها سطح زیر منحنی ROC می باشد.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان