CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مقایسه توان پیش بینی شبکه های عصبی مصنوعی و رگرسیون چند متغیره (مطالعه موردی: ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار)

عنوان مقاله: مقایسه توان پیش بینی شبکه های عصبی مصنوعی و رگرسیون چند متغیره (مطالعه موردی: ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار)
شناسه ملی مقاله: NMNB02_044
منتشر شده در دومین همایش ملی مدیریت نوین و کسب و کارهای نوپا در سال 1400
مشخصات نویسندگان مقاله:

الهه شکوه زاده - کارشناس ارشد مدیریت مالی، گروه حسابداری، واحد مبارکه، دانشگاه آزاد اسلامی
سبحان ظفری - استادیار گروه حسابداری، دانشگاه فنی و حرفه ای شمسی پور

خلاصه مقاله:
هدف این پژوهش، پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران بااستفاده از شبکه های عصبی مصنو عی است. این پژوهش توصیفی- پیمایشی با ماهیت کاربردی و ازلحاظ زمانی مقطعی است. جامعه آماری پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهرانبودند که نمونه ای شامل ۸۱ شرکت ورشکسته به روش حذفی و ۸۱ شرکت غیر ورشکسته به روشتصادفی طی دوره ۱۳۹۷-۱۳۸۵ انتخاب شد. این شرکت ها از طریق فرایند تصادفی به دو نمونهآموزشی (شامل ۵۶ شرکت ورشکسته و غیر ورشکسته) برای ساخت مدل ها و نمونه آزمایشی (شامل۲۵ شرکت ورشکسته و غیر ورشکسته) جهت سنجش قدرت پیش بینی مدل ها تقسیم شدند. با استفادهاز دو تکنیک شبکه عصبی پیشخور و رگرسیون چند متغیره و به کارگیری نسبت های مالی منتخب، دومدل جهت پیش بینی ورشکستگی استخراج شده و نتایج حاصل از آنها، مورد مقایسه قرار گرفته است.مدل شبکه عصبی توانست در پیش بینی یک، دو و سه ساله به دقت ۹۲، ۸۶ و ۸۰ درصد دست پیداکند، درحالی که رگرسیون چند متغیره در پیش بینی یک، دو و سه ساله نتوانست به دقت بیش از ۸۴،۸۲ و ۷۰ درصد، دست پیدا کند. نتایج حاکی از آن بود که مدل شبکه عصبی در مقایسه با مدلرگرسیونی، از برتری قابل توجهی برخوردار است.

کلمات کلیدی:
پیش بینی ورشکستگی، شبکه های عصبی، رگرسیون، بورس اوراق بهادار تهران

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1246240/