نعیمه جبلی

نعیمه جبلی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

ارزیابی تأثیر محتوای اطلاعات حسابداری تورمی در مقایسه با اطلاعات تاریخی در طراحی مدل های پیش بینی ورشکستگی مبتنی بر رویکردهای سنتی و فرا ابتکاری(مقاله علمی وزارت علوم)

کلید واژه ها: الگوریتم LARS الگوریتم SVM شاخص عمومی قیمت ها نسبت مالی ورشکستگی

حوزه های تخصصی:
تعداد بازدید : ۵۶ تعداد دانلود : ۷۵
 پیش بینی ورشکستگی بنگاه های اقتصادی یکی از شاخه های رشته مالی است که در تحقیقات اخیر بیشتر مورد توجه قرار گرفته است به گونه ای که الگوهای ورشکستگی توسعه یافته است. در عمده پژوهش های صورت گرفته در حوزه پیش بینی عملکرد مالی شرکت ها و به طور خاص، ورشکستگی، تنها به پیش بینی و یا مقایسه توان پیش بینی مدل ها با استفاده از اطلاعات تاریخی صورت های مالی پرداخته شده است. از آنجا که در ایران بیشتر از اطلاعات تاریخی حسابداری استفاده شده است هدف اصلی این پژوهش لحاظ نمودن آثار تورم بر روی متغیرهای ورودی در طراحی مدل پیش بینی ورشکستگی می باشد. لذا متغیرها در دو گروه نسبت های مالی تعدیل شده و تاریخی، در طراحی دو مدل متفاوت دسته بندی شدند، سپس با استفاده از الگوریتم لارس نسبت های گویاتر تمایز بین شرکت های ورشکسته و غیرورشکسته، انتخاب گردیدند و در نهایت با به کارگیری آزمون رگرسیون لاجیت و الگوریتم های ماشین بردار پشتیبان و نیو بیزین مدل نهایی پیش بینی کننده ورشکستگی شکل گرفت. بدین منظور داده های50 شرکت پذیرفته شده در بورس تهران براساس ماده 141 قانون تجارت برای حداقل یکسال ورشکستگی را تجربه کرده بودند، به کار گرفته شد. نتایج این پژوهش اثبات نمود که نسبت های مالی تعدیل شده بر مبنای شاخص قیمت ها پیش بینی کننده مناسب تری برای ورشکستگی شرکت ها می باشند همچنین، مدل طراحی شده توسط الگوریتم ماشین بردار پشتیبان با دقت 4/99% و برازش بالاتر نسبت به مدل های دیگر، پیش بینی کننده مناسبی برای ورشکستگی شرکت ها می باشد.
۲.

Presenting a New Bankruptcy Prediction Model Based on Adjusted Financial Ratios According to the General Price Index(مقاله علمی وزارت علوم)

کلید واژه ها: Bankruptcy General Price Index financial ratio LARS Algorithm

حوزه های تخصصی:
تعداد بازدید : ۲۸۵ تعداد دانلود : ۱۸۰
In a volatile economic environment, financial decision making is always associated with risk. Bankruptcy, as one of the most important risks, has a significant impact on the interests of the firm's stakeholders, so presenting appropriate bankruptcy forecasting patterns is of the utmost importance. In this study, after reviewing the theoretical literature and selecting the financial ratios used in previous bankruptcy prediction models as the variable input of the initial model, the financial ratios were adjusted based on the price index and then, using the LARS algorithm, the ratios that have the highest ability to differentiate between bankrupt and non-bankrupt firms were identified, and finally, using the SVM and Naive Bayesian algorithms, the final bankruptcy prediction model was developed. For this purpose, the data of 50 companies listed in Tehran Stock Exchange who had experienced bankruptcy for at least one year from 2008 to 2018 under Article 141 of the Commercial Code were used. The results show that the adjusted financial ratios based on the price index in the model presented by SVM algorithm can be a very good predictor for bankruptcy of companies with an accuracy of 99.4%.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان