مطالب مرتبط با کلیدواژه

پیش بینی درماندگی مالی


۱.

پیش‌بینی درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه‌های بیز(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی درماندگی مالی شبکه های بیز رگرسیون لوجستیک گسسته سازی داده ها شبکه ساده بیز

حوزه های تخصصی:
تعداد بازدید : ۲۶۲۶
درماندگی مالی و ورشکستگی شرکت ها منجر به هدر رفتن منابع و عدم بهره گیری از فرصت های سرمایه گذاری می شود. پیش بینی درماندگی مالی با ارائه هشدارهای لازم می تواند شرکت ها را نسبت به وقوع درماندگی مالی و ورشکستگی هوشیار نماید تا آنها با توجه به این هشدارها، به اقدام های مناسب دست بزنند. هدف از انجام این پژوهش، مدل بندی پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های بیز است. به این منظور دو مدل با استفاده از شبکه های بیز و یک مدل با استفاده از رگرسیون لوجستیک برای نمونه انتخاب شده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارایه شده است. اولین مدل شبکه ساده بیز که مبتنی بر همبستگی شرطی است می تواند با دقت 90% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی کند. دومین مدل شبکه ساده بیز که مبتنی بر احتمال شرطی است با دقت 93% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی می کند. در نهایت، مدل رگرسیون لوجستیک که یک مدل خطی است می تواند با دقت 90% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی کند.
۲.

ارزیابی میزان اثربخشی الگوهای جریان وجوه نقد و مدل برنامه ریزی ژنتیک در پیش بینی درماندگی مالی شرکت ها(مقاله علمی وزارت علوم)

کلیدواژه‌ها: درماندگی مالی پیش بینی درماندگی مالی الگوهای جریان های نقدی مدل برنامه ریزی ژنتیک

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات برنامه ریزی چند معیاره
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری تئوریهای حسابداری جریانهای نقدی
تعداد بازدید : ۱۱۳۱ تعداد دانلود : ۳۶۹۳
یکی از روشهای پیش بینی تداوم فعالیت شرکتها، استفاده از مد ل های پیش بینی درماندگی مالی است. در این راستا پژوهش حاضر به ارزیابی میزان اثربخشی الگوی جریان وجوه نقد و مدل برنامه ریزی ژنتیک در پیش بینی درماندگی مالی در بورس اوراق بهادار تهران در طول سالهای 1381تا 1386 با استفاده از داده های 82 شرکت مورد آزمون می پردازد. الگوهای جریان نقدی، سیاست های شرکت برای تأمین منابع، تخصیص منابع و ظرفیت عملیاتی را نشان می دهد. تئوری های اقتصادی و محققان قبلی مثبت یا منفی بودن جریان های نقدی ناشی ازفعالیت های عملیاتی، سرمایه گذاری و تأمین مالی را با توجه به مراحل چرخه عمر را پیش بینی کرده اند. در پژوهش حاضر از الگوی جریان های نقدی در مرحله نزول جهت پیش بینی درماندگی مالی استفاده شده و سپس نتایج آن با مدل برنامه ریزی ژنتیک که طبق شرایط ایران توسط فرج زاده دهکردی(1386) ارائه گردیده مورد ارزیابی گرفته است. تحقیق حاضر از نظر هدف یک تحقیق کاربردی می باشد و از نظرماهیت و روش تحقیق از نوع علی-مقایسه ای می باشد نتایج تحقیق حاضرحاکی از این است که الگوی جریان های نقدی دارای قدرت پیش بینی درماندگی مالی شرکت ها در ایران است. همچنین طبق نتایج تحقیق اثربخشی مدل برنامه ریزی ژنتیک درمقایسه با الگوی جریان های نقدی در پیش بینی درماندگی مالی شرکت ها بیشترمی باشد.
۳.

مقایسه الگوریتم مورچگان با روش های تحلیل تمایزی چندگانه و لوجیت در پیش بینی درماندگی مالی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: داده کاوی پیش بینی درماندگی مالی الگوریتم مورچگان لوجیت تحلیل تمایزی چندگانه

حوزه های تخصصی:
تعداد بازدید : ۸۲۶ تعداد دانلود : ۷۷۸
در این تحقیق، مدل الگوریتم مورچگان با دو مدل پارامتریک تحلیل تمایزی چندگانه و لوجیت برای پیش بینی درماندگی مالی مقایسه شده است، ضمن آنکه ازمدل ها برای داده کاوی متغیرهای برتر در پیش بینی درماندگی مالی استفاده شده است وداده های 130 شرکت در بین سالهای 84 تا89 در قالب دو آزمایش بکارگرفته شد. آزمایش اول مبتنی می باشد بر 130سال- شرکت از طول دوره تحقیق، مشتمل بر 40 سال- شرکت درمانده مشمول ماده 141 و 90سال- شرکت غیردرمانده که مشمول ماده141 نبوده اند. از بررسی های این آزمایش بر پایه 15 متغیر با داده کاوی هر سه روش تحقیق، متغیرهای برتر مدل ها بدست آمد که عبارتند از سود قبل از هزینه مالی و مالیات به کل دارایی ها و نسبت حقوق صاحبان سهام به کل دارایی ها. بر اساس متغیرهای برتر آزمایش اول، به آزمون دوم پرداخته شد که مبتنی بر نمونه ای بوده است مشتمل بر همه شرکت های آزمایش اول در همه سالهای دوره تحقیق که در بورس حضور داشتند و شامل 718 سال - شرکت می شدند. درصدموفقیت پیش بینی درماندگی مالی برای الگوریتم مورچگان96.94%(درمانده:95.21%، غیردرمانده:97.38%)، برای تحلیل تمایزی چندگانه95.82%(درمانده: 82.88%، غیردرمانده: 99.13%) و برای لوجیت97.08%(درمانده: 88.36، غیردرمانده: 99.30) بدست آمده است. نتایج نشان می دهد که در سطح 5% اهمیت، مدل مورچگان برتر ازتحلیل تمایزی می باشد و در سطح 9% ، برتر از لوجیت می باشد.
۴.

بررسی توان متغیرهای حسابداری در پیش بینی جریان های نقدی آتی طی مراحل چرخه عمر شرکت(مقاله علمی وزارت علوم)

کلیدواژه‌ها: داده کاوی پیش بینی درماندگی مالی الگوریتم مورچگان لوجیت تحلیل تمایزی چندگانه

حوزه های تخصصی:
تعداد بازدید : ۷۰۰ تعداد دانلود : ۴۲۹
هدف اصلی این تحقیق، بررسی توان پیش بینی کنندگی جریانهای نقدی آتی برخی متغیرهای حسابداری در طی مراحل چرخه ی عمر شرکت (رشد، بلوغ و افول) می باشد. نمونه آماری این تحقیق بصورت داده های تابلویی می باشد که از بین شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در سالهای 1382-1388 انتخاب شده است یافته های این تحقیق نشان می دهد که مراحل چرخه ی عمر با توجه به مفروضات این نظریه بدین گونه است که رشد جریانهای نقدی عملیاتی در مرحله رشد شرکت تدریجاً افزایش یافته و در مرحله بلوغ به اوج خود می رسد در مرحله افول نیز سیر نزولی جریانهای نقدی عملیاتی اتفاق می افتد. با توجه به اینکه ضرایب رگرسیون برای هر 4 مدل در مرحله رشد کمتر از ضرایب رگرسیون 4 مدل در مرحله بلوغ است همچنین با توجه به اینکه ضرایب رگرسیون برای هر 4 مدل در مرحله بلوغ بیشتر از ضرایب رگرسیون 4 مدل در مرحله افول است. می توان چنین استنباط نمود که مفروضات چرخه ی عمر شرکت در طی مراحل رشد، بلوغ و افول دارای اعتبار است و می توان مفروضات چرخه ی عمر را مطابق با نتایج این تحقیق مورد تأئید قرار داد. از طرف دیگر نتایج هر یک از مراحل چرخه ی عمر شرکت (رشد، بلوغ و افول) تقریباً با نتایج بدست آمده از کل شرکتهای نمونه همسویی دارد. به بیان دیگر، نتایج مدل های مراحل چرخه ی عمر تقریباً مشابه نتایج شرکتهای کل نمونه است
۵.

کاربرد روش انتخاب ویژگی هارک (HARC) در پیش بینی درماندگی مالی شرکت ها در بورس اوراق بهادار تهران

کلیدواژه‌ها: الگوریتم ژنتیک نسبت های مالی پیش بینی درماندگی مالی انتخاب ویژگی

حوزه های تخصصی:
تعداد بازدید : ۸۸۵ تعداد دانلود : ۶۱۱
یکی از مسائل مهم در پیش بینی درماندگی مالی، انتخاب متغیرهای پیش بین می باشد. پژوهش پیش رو به نشان رویکردی جدید برای انتخاب ویژگی با استفاده از دسته بندی نسبت های مالی بر مبنای مفاهیم مالی و ترکیب روش های آماری با الگوریتم های فراابتکاری می پردازد. بدین منظور 34 نسبت مالی برای شرکت های تولیدی درمانده براساس ماده 141 قانون تجارت و به همان تعداد شرکت سالم به صورت تصادفی از شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1380 تا1390با استفاده از صورت های مالی حسابرسی شده برای یک و دو سال قبل از درماندگی جمع آوری شده است. سپس با استفاده از آزمون آماری تی و الگوریتم ژنتیک، بهترین نسبت ها انتخاب و با استفاده از ماشین بردار پشتیبان، پیش بینی درماندگی مالی انجام شده است. نتایج بدست آمده از پژوهش حاکی از آن است که روش پیشنهادی هارک در یک و دو سال پیش از وقوع درماندگی به طور معناداری در پیش بینی درماندگی مالی نسبت به رگرسیون لجستیک و مدل آلتمن از عملکرد بهتری برخوردار است.
۶.

بررسی الگوی جریان نقدی در شرکت های درمانده و سالم مالی( شواهدی از بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوهای جریان وجه نقد پیش بینی درماندگی مالی شبکه عصبی نسبت های مالی

حوزه های تخصصی:
تعداد بازدید : ۴۴۰ تعداد دانلود : ۳۱۰
پیش بینی درماندگی مالی شرکت ها جهت جلوگیری از وقوع آن، توجه مدیران شرکت ها را به خود جلب کرده است. در این میان استفاده از نسبت های مالی و به ویژه استفاده از صورت جریان وجه در مدل های آماری شناخته شده است. مسأله اصلی پژوهش حاضر، این است که آیا رابطه معنی داری میان وضعیت مالی شرکت ها و الگوی جریان وجه نقد جهت پیش بینی درماندگی مالی وجود دارد؟ این پژوهش به بررسی تأثیر الگوی جریان وجه نقد (علامت مثبت یا منفی طبقات مختلف صورت جریان وجوه نقد) بر درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1385 تا 1393 با استفاده از داده های 162 شرکت پرداخته است. معیار وجود درماندگی مالی، ناتوانی در بازپرداخت به موقع دیون بانکی و ایجاد جریمه دیر کرد در صورت های مالی شرکت ها در نظر گرفته شده است. بدین منظور شرکت های دارای جریمه دیرکرد به عنوان درمانده مالی و شرکت های بدون جریمه دیر کرد به عنوان شرکت های سالم از سال 1385 تا 1389 از یکدیگر تفکیک شده و قدرت پیش بینی درماندگی مالی با استفاده از نسبت های مالی مورد استفاده در تحقیق حاضر شامل: دارایی جاری به کل دارایی ها، کل بدهی به کل دارایی، فروش به دارایی جاری، سود عملیاتی به فروش، لگاریتم طبیعی دارایی ها و هزینه مالی به سود ناخالص توسط شبکه عصبی در این سال ها سنجیده شده است. پس از تأیید تأثیر این نسبت ها بر وضعیت مالی شرکت ها، توسط همین نسبت ها، از طریق شبکه عصبی، وضعیت مالی شرکت های سال 1390 تا 1393 پیش بینی شده و توسط رگرسیون لجستیک، تأثیر الگوی جریان وجه نقد بر درماندگی مالی بررسی شده است. نتایج حاضر حاکی از این است که نسبت های مورد بررسی قدرت پیش بینی کنندگی تا 88 درصد را داشته و بین الگوی جریان وجه نقد شرکت های درمانده مالی با سالم مالی تفاوت معنی داری وجود دارد.
۷.

پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از رگرسیون لجستیک لاسو(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی درماندگی مالی رگرسیون لجستیک لاسو یادگیری ماشین داده کاوی بورس اوراق بهادار تهران

حوزه های تخصصی:
تعداد بازدید : ۵۵۳ تعداد دانلود : ۳۷۵
هدف این مقاله، کشف درماندگی مالی بالقوه و هشدار زودهنگام درماندگی مالی قریب الوقوع شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار است. بدین منظور، دامنه گسترده ای از ویژگی ها از جمله متغیرهای حسابداری تعهدی، حسابداری نقدی، بازار سهام، مکانیسم های حاکمیت شرکتی و شاخص های اقتصاد کلان برای پیش بینی درماندگی مالی شرکت های نمونه شناسایی شده اند. نمونه نهایی شامل 421 شرکت و در نتیجه، 3670 شرکت-سال مشاهده است. سپس، داده آماده شده با استفاده از نسبت 70 به 30 به مجموعه داده آموزشی و آزمایشی تفکیک شد. در این پژوهش، تکینک های پیش پردازش داده یادگیری ماشین نظیر استانداردسازی نمره Z، وان-هات انکدینگ، اعتبارسنجی متقابل K لایه طبقه ای، همراه با مهندسی ویژگی برای بهبود عملکرد طبقه بندی کننده بکار گرفته شدند. روش اعتبارسنجی متقابل K لایه طبقه ای با (5=K) برای برآورد عملکرد پیش بینی مدل طی مرحله آموزش استفاده شد. طی مرحله آموزش، میزان سازی اَبرپارامتر مدل با استفاده از جستجوی حریص انجام شد. افزون بر این، رویکرد فرایادگیری حساس به هزینه همراه با معیار مختص مسائل نامتوازن یعنی نمره F1 برای غلبه بر مسأله نامتوازنی افراطی کلاس ها استفاده شده است. بر اساس نتایج تجربی، مدل لجستیک لاسو به نمره F1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 50%، 50%، 73% و 38% بر روی مجموعه آموزشی دست یافت. سرانجام، مدل پیشنهادی بر روی مجموعه آزمایشی کنار گذاشته شده آزمون شد که به نمره F1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 51%، 51%، 73% و 38% بر روی مجموعه آزمایشی منجر شد.
۸.

پیش بینی درماندگی مالی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با تأکید بر اقلام تعهدی و جریانات نقدی

کلیدواژه‌ها: پیش بینی درماندگی مالی اقلام تعهدی جریانات نقدی عملیاتی

حوزه های تخصصی:
تعداد بازدید : ۴۷۲ تعداد دانلود : ۲۷۴
پژوهش حاضر به پیش بینی درماندگی مالی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با تأکید بر اقلام تعهدی و جریانات نقدی می پردازد. این پژوهش از لحاظ هدف، کاربردی و از بعد روش شناسی، همبستگی از نوع علّی (پس رویدادی) می باشد. با استفاده از روش نمونه گیری حذف سیستماتیک، 127 شرکت به عنوان نمونه پژوهش انتخاب شده در دوره زمانی 6 ساله بین سال های 1391 تا 1396 مورد تحقیق قرار گرفتند. نتایج حاصل از پژوهش نشان می دهد که جریان های نقد عملیاتی، تغییرات در حسابهای دریافتنی و تغییرات در موجودی کالا رابطه معکوس و معناداری با درماندگی مالی (طبق مفاد ماده 141 قانون تجارت و مدل تعدیل شده آلتمن) دارند و هزینه استهلاک سالانه رابطه معناداری با آن ندارد. همچنین جریان های نقدی عملیاتی، تغییرات در حسابهای دریافتنی و تغییرات در موجودی کالا، قدرت پیش بینی سود عملیاتی سال آتی را داشته و با آن رابطه مستقیم و معنادار دارند ولی تغییرات در حسابهای پرداختنی رابطه معکوس و معناداری با سود عملیاتی سال آتی دارد و هزینه استهلاک سالانه رابطه معناداری با سود عملیاتی سال آتی ندارد.
۹.

پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از ماشین بردار پشتیبان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی درماندگی مالی ماشین بردار پشتیبان یادگیری ماشین داده کاوی بورس اوراق بهادار تهران

حوزه های تخصصی:
تعداد بازدید : ۴۴۲ تعداد دانلود : ۳۳۱
هدف این مقاله، پیش بینی درماندگی مالی قریب الوقوع شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار با استفاده از دامنه گسترده ای از ویژگی ها از جمله متغیرهای حسابداری تعهدی، حسابداری نقدی، بازار سهام، مکانیسم های حاکمیت شرکتی و شاخص های اقتصاد کلان است. نمونه نهایی شامل 421 شرکت و در نتیجه، 3670 شرکت-سال مشاهده است. سپس، داده آماده شده با استفاده از نسبت 70 به 30 به مجموعه داده آموزشی و آزمایشی تفکیک شد. در این پژوهش، تکینک های پیش پردازش داده یادگیری ماشین نظیر استانداردسازی نمره Z، وان-هات انکدینگ، اعتبارسنجی متقابل K لایه طبقه ای، همراه با مهندسی ویژگی برای بهبود عملکرد طبقه بندی کننده بکار گرفته شدند. روش اعتبارسنجی متقابل 5 لایه طبقه ای با برای برآورد عملکرد پیش بینی مدل طی مرحله آموزش استفاده شد. طی مرحله آموزش، میزان سازی اَبرپارامتر مدل با استفاده از جستجوی شبکه ای انجام شد. افزون بر این، رویکرد فرایادگیری حساس به هزینه همراه با معیار مختص مسائل نامتوازن یعنی نمره F1 برای غلبه بر مسئله نامتوازنی افراطی کلاس ها استفاده شده است. بر اساس نتایج تجربی، مدل ماشین بردار پشتیبان به نمره F1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 55%، 56%، 78% و 43% بر روی مجموعه آموزشی دست یافت. سرانجام، مدل پیشنهادی بر روی مجموعه آزمایشی کنار گذاشته شده آزمون شد که به نمره F1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 50%، 50%، 68% و 40% بر روی مجموعه آزمایشی منجر شد.
۱۰.

پیش بینی درماندگی مالی شرکت ها با استفاده از الگوریتم کلونی مورچگان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوریتم کلونی مورچگان پیش بینی درماندگی مالی تحلیل تمایز چندگانه

حوزه های تخصصی:
تعداد بازدید : ۲۴۱ تعداد دانلود : ۱۰۱
پیش بینی درماندگی مالی شرکت ها یکی از موضوعات مهمی است که به موفقیت و تداوم حیات شرکت ها کمک زیادی می کند. از جمله روش های هوشمندی که اخیرًا در حل مسائل پیش بینی و دسته بندی نتایج مطلوبی را به همراه داشته، روش الگوریتم کلونی مورچگان است. پژوهش حاضر به مطالعه پیش بینی درماندگی مالی شرکت ها با استفاده از الگوریتم کلونی مورچگان می پردازد. جامعه آماری شامل شرکت های بورس اوراق بهادار تهران و نمونه استفاده شده شامل 174 شرکت درمانده و سالم بوده است. متغیرهای پیش بین بر اساس نسبت هایی انتخاب شدند که در نتایج تحقیقات قبلی به عنوان متغیرهای اصلی پیش بینی در مدل پیش بینی آنها ارائه شدند. مدل مقایسه ای استفاده شده در این پژوهش، مدل تحلیل ممیز چندگانه است. نتایج به دست آمده از تحقیق بیانگر آن است که روش الگوریتم کلونی مورچگان در پیش بینی درماندگی مالی شرکت ها، به طور معناداری نسبت به روش تحلیل ممیز چندگانه عملکرد بهتری دارد
۱۱.

ارائه الگوی ترکیبی سه بعدی (مالی، اقتصادی، پایداری) در پیش بینی درماندگی مالی شرکت ها(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پایداری مالی غیرمالی پیش بینی درماندگی مالی تحلیل مؤلفه اصلی

حوزه های تخصصی:
تعداد بازدید : ۳۶۰ تعداد دانلود : ۲۱۲
درماندگی مالی مسئله ای جدی برای حیات اقتصادی کشورهاست و پیش بینی درماندگی برای گروه های مختلف شامل مدیران، بانک ها، سرمایه گذاران، سیاست گذاران و حسابرسان از اهمیت بالایی برخوردار است. هدف این تحقیق، ارائه الگوی ترکیبی سه بعدی (مالی، اقتصادی، پایداری)، الگوی دوبعدی (مالی و اقتصادی) و تک بعدی (مالی) در پیش بینی درماندگی مالی شرکت ها و همچنین مقایسه قدرت پیش بینی کنندگی الگوها با رویکرد تحلیل مؤلفه اصلی می باشد که با استفاده از رویکرد پس رویدادی (از طریق اطلاعات گذشته) از نوع توصیفی- همبستگی و بر اساس اهداف نیز از نوع پژوهش های کاربردی به حساب می آید در واقع سؤال اصلی تحقیق این است که الگوی ترکیبی سه بعدی (مالی، اقتصادی، پایداری) در پیش بینی درماندگی مالی شرکت ها به چه صورت است؟ همچنین، جامعه آماری و قلمرو مکانی این پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. با استفاده از روش حذف سیستماتیک تعداد 113 شرکت به عنوان نمونه انتخاب گردید. نتایج نشان داد الگوی ترکیبی سه بعدی (مالی، اقتصادی، پایداری) قدرت پیش بینی بالایی برای درماندگی دارد Financial distress is a serious issue for the economic life of countries and forecasting distress for various groups including managers, banks, investors, policymakers and auditors is of great importance. The purpose of this study is to provide a combined three-dimensional model (financial, economic, sustainability), two-dimensional model (financial and economic) and one-dimensional (financial) in predicting financial distress of companies and also comparing the predictive power of models with component analysis approach. It is the principle that using the post-event approach (through past information) is of the descriptive-correlation type and based on the objectives is also of the applied research type. Also, the statistical population and spatial scope of this research, listed companies and its time domain. Using the systematic removal method, 113 listed companies were selected as a sample. The results showed that the three-dimensional hybrid model (financial, economic, sustainability) has a high predictive power for helplessness.
۱۲.

بررسی نقش عوامل محیطی، اجتماعی و شرکتی در پیش بینی درماندگی مالی بانک های پذیرفته شده در بورس اوراق بهادار تهران

کلیدواژه‌ها: عوامل محیطی اجتماعی و شرکتی پیش بینی درماندگی مالی بانک های پذیرفته شده در بورس اوراق بهادار تهران

حوزه های تخصصی:
تعداد بازدید : ۴۱ تعداد دانلود : ۳۴
هدف اصلی این تحقیق ، بررسی نقش عوامل محیطی ، اجتماعی و شرکتی در پیش بینی درماندگی مالی بانک های پذیرفته شده در بو.رس اوراق بهادار تهران می باشد.قلمرو مکانی این تحقیق بانک های پذیرفته شده در بورس اوراق بهادار تهران و قلمرو زمانی سال های بین 1392 تا 1400 بوده است.. بر اساس روش نمونه گیری 15 بانک شرکت پذیرفته شده در بورس اوراق بهادار تهران به عنوان نمونه آماری انتخاب گردید. چنانچه طبقه بندی تحقیقات بر حسب هدف را مد نظر قرار دهیم، تحقیق حاضر در زمره تحقیقات کاربردی قرار دارد، این تحقیق بر حسب هدف کاربردی و براساس شیوه گردآوری داده ها، توصیفی– علت معلولی است. همچنین تجزیه و تحلیل داده ها با استفاده از نرم افزار ایویوز انجام شد.نتایج نشان حاصل شده از آزمون فرضیه های تحقیق نشان داد که،عوامل محیطی ، اجتماعی و شرکتی در پیش بینی درماندگی مالی بانک های پذیرفته شده در بو.رس اوراق بهادار تهران تاثیر گذار است.
۱۳.

کاربرد XGBoost برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی درماندگی مالی Xgboost یادگیری ماشین داده کاوی بورس اوراق بهادار تهران

حوزه های تخصصی:
تعداد بازدید : ۲۸ تعداد دانلود : ۲۲
هدف این مقاله، پیش بینی درماندگی مالی بالقوه شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار است. بدین منظور، دامنه گسترده ای از ویژگی ها از جمله متغیرهای حسابداری تعهدی، حسابداری نقدی، بازار سهام، مکانیسم های حاکمیت شرکتی و شاخص های اقتصاد کلان برای پیش بینی درماندگی مالی شرکت های نمونه شناسایی شده اند. نمونه نهایی شامل 421 شرکت و در نتیجه، 3670 شرکت-سال مشاهده است. سپس، داده آماده شده با استفاده از نسبت 70 به 30 به مجموعه داده آموزشی و آزمایشی تفکیک شد. در این پژوهش، تکینک های پیش پردازش داده یادگیری ماشین نظیر استانداردسازی نمره Z، وان-هات انکدینگ، اعتبارسنجی متقابل K لایه طبقه ای، همراه با مهندسی ویژگی برای بهبود عملکرد طبقه بندی کننده بکار گرفته شدند. روش اعتبارسنجی متقابل K لایه طبقه ای با (5=K) برای برآورد عملکرد پیش بینی مدل طی مرحله آموزش استفاده شد. طی مرحله آموزش، میزان سازی اَبرپارامتر مدل با استفاده از جستجوی شبکه ای انجام شد. افزون بر این، تکنیک SMOTE همراه با معیار مختص مسائل نامتوازن یعنی نمره F1 برای غلبه بر مسأله نامتوازنی افراطی کلاس ها استفاده شده است.بر اساس نتایج تجربی، مدل XGBoost به نمرهF1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 90%، 90%، 100% و 82% بر روی مجموعه آموزشی دست یافت. سرانجام، مدل پیشنهادی بر روی مجموعه آزمایشی کنار گذاشته شده آزمون شد که به نمرهF1، ضریب همبستگی متیوز، فراخوانی و دقتی به ترتیب برابر با 52%، 52%، 73% و 41% بر روی مجموعه آزمایشی منجر شد. این اطلاعات، ابزار قدرتمندی برای پیش بینی درماندگی مالی شرکت ها  فراهم می کنند.