ارائه مدلی برای پیشبینی ریسک ورشکستگی شرکتها با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک
Publish place: National Conference on New Approaches in Science of Management, Economics and Accounting
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 807
This Paper With 10 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:
NASMEA01_015
تاریخ نمایه سازی: 14 مرداد 1394
Abstract:
توسعه مدلهای پیشبینی ریسک ورشکستگی مالی بهعنوان یک موضوع مهم، همواره مورد توجه جامعه دانشگاهی و بنگاههای اقتصادی بوده است. پیشبینی ریسک ورشکستگی مالی میتواند اثر مهمی بر تصمیمات مربوط به اعطای تسهیلات و سودآوری نهادهای مالی داشته باشد. هدف این تحقیق استفاده از نسبتهای مالی در پیشبینی ریسک ورشکستگی شرکتها است. باتوجه به اینکه پیشبینی ریسکورشکستگی همیشه مورد توجه بنگاههای اقتصادی، بهویژه بانکها و سایر نهادهای مالی است. پیشبینی بهموقع می تواند تصمیمگیران را در یافتن راهحل و پیشگیری از ورشکستگی، یاری نماید. بنابراین همواره سعی شده است تا با استفاده از روشهای متنوع، دقت پیشبینی این مدلها افزایش یابد. هدف این پژوهش بررسی دقت شبکه عصبی پرسپترون چندلایه آموزش یافته با الگوریتم ژنتیک در پیشبینی ریسک ورشکستگی شرکتها است. نتایج مدل با طبقهبندهای کلاسیک(طبقهبند بیزین وk- نزدیک- ترین همسایه) مقایسه شده است. این تحقیق نشان میدهد شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک در پیشبینی ریسک ورشکستگی بهتر از دو مدل کلاسیک است و میتواند با دقت %97.6 پیشبینی را انجام دهد.
Keywords:
ریسک ورشکستگی , نسبتهای مالی , شبکه عصبی پرسپترون چند لایه , طبقه بند بیز , طبقه بند , K-نزدیکترین همسایه
Authors
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 :