بررسی و رتبه بندی ریسک های صنعت سیمان به روش تحلیل سلسله مراتبی فازی (فازی AHP) و پیش بینی درماندگی مالی شرکت های سیمان پذیرفته شده در بورس اوراق بهادار تهران به روش شبکه های عصبی مصنوعی

ما در این مقاله پژوهشی قصد داریم با استفاده از دیتای تحلیلی سامانه الکترونیکی کدال، شرکت های سیمانی پذیرفته شده در بورس اوراق بهادار تهران را شناسایی و با استفاده از روش شبکه های عصبی مصنوعی، شروع به داده کاوی و از طریق الگوریتم ژنتیک به روش نظارت نشده خروجی بصری و نمودارهای تحلیلی به منظور پیش بینی درماندگی مالی این نوع شرکت ها را مورد واکاوی قراردهیم تا قبل از شروع فاجعه و ورشکستگی و عواقب بعد از آن مدیران مربوطه را جهت اتخاذ تصمیم مطلع نماییم. ما در این مقاله پژوهشی از برنامه نویسی پایتون که یکی از قوی ترین ابزار در حوزه هوش مصنوعی و یادگیری ماشین می باشد استفاده کنیم. کلیه نمودارها و تجزیه تحلیل های پیش رو با دیتای زنده به نرم افزار خوراک داده ایم تا با توجه به شرایط فعلی و ریسک های موجود (مانند تغییرات ارز، مشکلات تحریم و صادرات کالا، بازار رقابتی داخلی، هزینه های تولید، هزینه های حمل و نقل کالا، هزینه های پنهان و...) اطلاعات خروجی را جهت تصمیم گیری بکار گیریم. ما در این مقاله از python 3.7.3 در محیط توسعه ی علمی Anaconda3 به صورت خطی به ماشین آموزش می دهیم که بدون نظارت شرکت های در آستانه درماندگی را شناسایی کند.

بررسی و رتبه بندی ریسک های صنعت سیمان به روش تحلیل سلسله مراتبی فازی (فازی AHP) و پیش بینی درماندگی مالی شرکت های سیمان پذیرفته شده در بورس اوراق بهادار تهران به روش شبکه های عصبی مصنوعی Keywords:

صنعت سیمان , شبکه های عصبی مصنوعی , داده کاوی , بورس , درماندگی مالی , پایتون , الگوریتم ژنتیک , منطق فازی , تحلیل سلسله مراتبی