مطالعه مدلهای اکتشافی و قدرت پیش بینی این مدلها در مقابله با بحرانهای مالی: مورد مطالعه شرکتهای پذیرفته شده در بورس و اوراق بهادار تهران
Publish place: The Second International Conference on New Research in Management, Economics and Accounting
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 443
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MRMEA02_369
تاریخ نمایه سازی: 16 اسفند 1394
Abstract:
ورشکستگی شرکتها معمولاً بر نقدینگی بازار سرمایه و توسعه ی اقتصاد مو ثر است . در زمان ورشکستگی، بانکها معمولاً اعتباردهی به شرکتها ی ورشکسته را کاهش داده ودر ازای وامی که به شرکتها میدهند ، بهره ی بالاتری را بر ای جبران ریسک اضافی درخواست می کنند. بر همین اساس پیش بینی ورشکستگی شرکتها همواره از اهمیت بسزایی برخوردار است. هدف این پژوهش، بررسی کارایی شبکههای عصبی در پیش بینی بحرانهای مالی درشرکتهای پذیرفته شده در بورس اوراق بهادار تهران ، 2931 2931 بوده و 211 شرکت به عنوان نمونه انتخاب شده - است. الگوهای استفاده شده به منظورپیشبینی ورشکستگی را میتوان به چنددسته تقسیم کرد، دستههایی که با گذشت زمان پیچیدهتر و پیشرفتهتر شدهاند: مدلهای تک متغیره، تحلیلهای ممیزی چندمتغیره، تابع رگرسیون وشبکههای عصبی و... . امروزه شبکههای عصبی به خاطر ویژگیهای غیرخطی و ناپارامتریکی که دارند محبوبیتخاصی دربین محققین پیدا کردهاند. یکی از پارامترهای مهم در مدل شبکه عصبی بحث آموزش آن میباشد دراین تحقیق به منظور بررسی تاثیر ساختارهای مختلف شبکه عصبی به مقایسه شبکه تابع پایه شعاعی 1 و شبکه عصبی احتمالی به منظور پیشبینی بحران مالی شرکتهای بورسی پرداختهایم. نتایج نشان میدهد تفاوت معنیداری بین عملکرد شبکه عصبی مصنوعی و شبکه عصبی احتمالی وجود دارد.
Keywords:
Authors
آزاده جنت رستمی
دانشجوی کارشناسی ارشد حسابداری دانشگاه علامه طباطبایی
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 :