مقایسه معیارهای تشخیص شرکت های درمانده مالی با استفاده از رگرسیون لجستیک و روش های هوش مصنوعی
Publish place: Financial Management Perspective، Vol: 10، Issue: 29
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 204
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FINANC-10-29_006
تاریخ نمایه سازی: 24 شهریور 1400
Abstract:
در محیط رقابتی امروز و با تغییرات شرایط بازارها، احتمال درماندگی مالی شرکت ها افزایش یافته است. در این شرایط افراد، شرکت های سرمایه گذار و سازمان های مالی تلاش زیادی برای اطلاع از وضعیت فعلی و آتی شرکت های سرمایه پذیر در جهت محافظت از سرمایه خود انجام می دهند. ارزیابی و تشخیص صحیح وضعیت مالی شرکت ها و همچنین پیش بینی وضعیت مالی آتی آن ها نیازمند استفاده از معیارهای کارآمد با احتمال خطای کمتر است؛ بنابراین هدف این پژوهش رتبه بندی معیارهای منتخب در شناسایی بهتر شرکت های درمانده مالی است. بدین منظور پس از بررسی و شناسایی پرکاربردترین معیارها و مدل های تشخیص شرکت های درمانده، با استفاده از آن ها شرکت های درمانده «بورس اوراق بهادار تهران» طی سال های ۱۳۸۴ تا ۱۳۹۶ از شرکت های غیردرمانده (سالم) تفکیک و با استفاده از نتایج حاصل از رگرسیون لجستیک و روش های هوش مصنوعی و معیارهای ماده ۱۴۱ قانون تجارت ایران، آلتمن (۱۹۶۸)، آلتمن (۱۹۹۵) و آسکویت و همکاران (۱۹۹۴) مقایسه شدند. نتایج نشان داد در دوره مورد بررسی و در شرایط حاکم بر شرکت های ایرانی مستقر در «بورس اوراق بهادار تهران»، معیار آسکویت و همکاران (۱۹۹۴)، بهترین روش برای شناسایی شرکت های درمانده مالی است و معیارهای آلتمن (۱۹۹۵)، ماده ۱۴۱ قانون تجارت ایران و آلتمن (۱۹۶۸) در اولویت های بعدی از لحاظ شناسایی شرکت های درمانده قرار گرفتند.
Keywords:
Authors
علیرضا علی اکبرلو
کارشناسی ارشد حسابداری، دانشگاه ارومیه، ارومیه ایران.
غلامرضا منصورفر
دانشیار گروه حسابداری، دانشگاه ارومیه، ارومیه، ایران.
فرزاد غیور
استادیار گروه حسابداری، دانشگاه ارومیه، ارومیه، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :