سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران

Publish Year: 1396
Type: Journal paper
Language: Persian
View: 395

This Paper With 25 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_JFMZ-5-1_003

Index date: 16 June 2019

پیش بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران abstract

پیش بینی ریسک ورشکستگی مالی یکی از مهمترین موضوعات در حوزه تصمیم گیری مالی شرکت ها است. از این جهت، تاکنون مدل های متنوعی که هرکدام از نظر متغیرهای پیش بینی کننده و تکنیک ها متفاوتند، ارائه شده اند. استفاده از ترکیب متغیرهای حسابداری و بازاری در مدل به عنوان ورودی، قطعا بر نتایج و دقت پیش بینی ها تاثیر مستقیمی خواهد داشت. در این مطالعه، پیش بینی با استفاده از مدل ترکیبی (استفاده از متغیرهای حسابداری و بازاری ) و تکنیک شبکه های عصبی از نوع مدل پرسپترون چندلایه (MLP) صورت پذیرفت. نمونه پژوهش شامل 90 شرکت پذیرفته شده در بورس اوراق بهادار تهران (31 شرکت ورشکسته طبق ماده 141 قانون تجارت ایران و 59 شرکت غیرورشکسته) طی سال های 1393-1386 می باشد. نتایج پژوهش نشان می دهد که مدل ترکیبی (ترکیب متغیرهای حسابداری و بازاری) با استفاده از تکنیک شبکه عصبی، نسبت به هر کدام از دو مدل حسابداری و بازاری از دقت بالاتری در پیش بینی ریسک ورشکستگی مالی برخوردار است. همچنین، مدل بازاری نیز دقت بیشتری نسبت به مدل حسابداری دارد.

پیش بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران Keywords:

پیش بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران authors

نجمه راموز

استادیار گروه مدیریت بازرگانی، دانشگاه قم

مریم محمودی

کارشناسی ارشد مدیریت بازرگانی گرایش مالی، دانشکده مدیریت دانشگاه قم

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 :
Ahmadpour, A. and Mirzayi Asromi, H. (2013). Compared with Multiple ...
Alizadeh, V., Ghasemi, A. and Rahnamaflaverjany, R. (2015). A model ...
Altman, E. I. and Hotchkiss, E. (2010). Corporate financial distress ...
Atefatdoost, A. and Faqih, N. (2005). Artificial intelligence to predict ...
Bauer, J. (2012). Bankruptcy Risk Prediction and Pricing: Unravelling the ...
Campbell, J. Y., Hilscher, J., and Szilagyi, J. (2008). In ...
Christidis, A. And Gregory, A. (2010). Some new models for ...
Danilov, K. (2014). Corporate Bankruptcy: Assessment, Analysis and Prediction of ...
Das, S. R., Hanouna, P., and Sarin, A. (2007). Accounting-based ...
Fadayinezhad, M. and Eskandari, R. (2011). Designing and explaining model ...
Fedorova, E., Gilenko, E., and Dovzhenko, S. (2013). Bankruptcy prediction ...
Feyz Mohammadi, R. (2014). Financial Distress and Bankruptcy Prediction of ...
Haseli, J. (2011). A comparative study of bankruptcy prediction models ...
Iturriaga, F. J. L., & Sanz, I. P. (2015). Bankruptcy ...
Jahangir, M. (2015). Commercial law with the law of e-commerce, ...
Jenkins, A. S., Wiklund, J., & Brundin, E. (2014). Individual ...
Komeijani, A. and Saadatfar, J. (2006). The application of neural ...
Kordestani, G., Tatli, R. and Kosarifar, H. (2014). Assessing the ...
López-Gutiérrez, C., Sanfilippo-Azofra, S., & Torre-Olmo, B. (2015). Investment decisions ...
Makiyan, N., Almodarresi, M. and Karimi Takallo, S. (2010). Comparing ...
Martin, S. And Peat, M. (2009). A Comparison of the ...
Pourzamani, Z. and Pouyanrad, M. (2012). The relationship between earnings ...
Salehi, M. and Bzrgr, H. (2015). The relationship between earnings ...
Sánchez, C. P. , de Llano Monelos, P., & López, ...
Sayari, N., & Mugan, C. S. (2016). Industry specific financial ...
Shumway, T. (2001). Forecasting bankruptcy more accurately: A simple hazard ...
Tinoco Hernandez, M. And Wilson, N. (2013). Financial distress and ...
Vassalou, M. And Xing, Y. (2004). Default risk in equity ...
نمایش کامل مراجع