پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن

Authors

  • دنیا احدیان پور پروین ندارد
  • محمدرضا ستایش نویسنده مسئول
Abstract:

   با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه‌شان و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید. در صورتی‌که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت‌ها را پیش‌بینی نمود و پس از آن با علت‌یابی و استفاده از روش‌های حل مسئله به اصلاح امور شرکت‌ها پرداخت می توان از به هدر رفتن ثروت در قالب سرمایه‌های فیزیکی و انسانی و آثار آن جلوگیری به عمل آورد. علاوه بر این چنین مدلی می‌تواند راهنمای خوبی برای تصمیم گیرندگانی همچون شرکت‌های سرمایه‌گذاری، بانک‌ها و دولت باشد. با توجه به توانایی‌ها و کاربردهای شبکه‌های عصبی مصنوعی و ناشناخته بودن این توانایی ها در بازارهای مالی ایران تحقیق حاضر در جهت ایجاد مدلی برای پیش‌بینی ورشکستگی انجام شده است. جامعه مورد مطالعه در این تحقیق عبارت است از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران و نمونه مورد بررسی بر اساس نمونه گیری خوشه‌ای صورت گرفته است، بدین صورت که ابتدا بر اساس نمونه گیری تصادفی ساده صنایع کاشی و سرامیک و سایر کانی غیر فلزی، غذایی، نساجی، لاستیک و پلاستیک، قطعات خودرو انتخاب شده و سپس نمونه مورد استفاده برای دوره 5 ساله 1383-1379 بر اساس طبقه بندی استخراج شده است. برای تجزیه و تحلیل داده‌ها که همان اطلاعات استخراج شده از صورت‌های مالی شرکت‌های نمونه است از نرم افزار EXCEL استفاده شده است. به این ترتیب که ابتدا نسبت‌های مالی مربوط به هر مدل بدست آمد سپس مدل آلتمن بر مبنای نسبت‌ها و ضرایب‌شان محاسبه شد و برای تدوین مدل شبکه عصبی نیز از نرم افزار Neuro soulation استفاده شده است و سپس نتایج هر دو مدل بر اساس آزمون نشانه‌‌ای ویلکاکسون، آزمون علامت مورد مقایسه قرار گرفته است نتایج بدست آمده از مدل شبکه‌های عصبی مصنوعی، نشان می‌دهد که این مدل از توانایی بالایی در پیش بینی ورشکستگی برخوردار است و می توان بااطمینان بالایی از آن استفاده کرد البته توجه به این امر ضروری است که ارائه اظهار نظر در مورد ورشکستگی یک شرکت با استفاده از هر روشی فقط بیان کننده هشداری در موردوضعیت آتی شرکت است و نه تایید کننده قطعی ور شکستگی آن. در این تحقیق نتایج حاصل از مدل شبکه عصبی مصنوعی با نتایج حاصل از مدل تحلیل ممیز چند گانه آلتمن مورد مقایسه قرار گرفت و با رد فرضیه Hs در هر دو فرضیه آماری می توان بیان کرد که: 1-مدل برگرفته از شبکه عصبی مصنوعی و تحلیل ممیز چندگانه آلتمن ابزارهای مناسبی جهت پیش بینی ور شکستگی شرکت ها هستند 2-دقت کلی پیش بینی مدل شبکه عصبی مصنوعی در پیش بینی ورشکستگی از تحلیل ممیز چند گانه آلتمن بیشتر است

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن

با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه شان و پیامدها و هزینه هایی که وقوع ورشکستگی برای شرکت ها و اقتصاد کشور و سایر افراد و نهادها می تواند ایجاد نماید. در صورتی که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت ها را پیش بینی نمود و پس از آن با علت یابی و استفاده از روش های حل مسئله به اصلاح امور شرکت ها پرداخت می توان از به هدر رفتن ثروت در قالب سرمایه های فیزیکی ...

full text

پیش بینی ورشکستگی با استفاده از مدل های تحلیل لوجیت اهلسون و تحلیل ممیز چندگانه فولمر و مقایسه آنها

هدف نخست این تحقیق، ارائه مدل آماری مناسب جهت پیش بینی نسبتاً دقیق ورشکستگی شرکت ها برای هریک از سال های t (سال ورشکستگی)، t-1 (یکسال قبل از ورشکستگی) و t-2 )دوسال قبل از ورشکستگی) و سپس، مقایسه دو مدل پیش بینی ورشکستگی، یعنی مدل تحلیل لوجیت اهلسون و تحلیل ممیز چندگانه فولمردر بازار سهام ایران برای سال های فوق الذکر است. نمونه پژوهش حاضر، از 112 شرکت پذیرفته شده در بورس اوراق بهادار تشکیل شده اس...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

ارائه مدلِ بهینه‌‌ پیش‌بینی ورشکستگی با استفاده از الگوریتم علف‌های هرز و ارزیابی کارآیی آن در مقایسه با مدل آلتمن

پیش‌بینی ورشکستگی موضوعی است که بر رفاه اقتصادی تمام کشورها تأثیر می‌گذارد. داشتن یک مدل دقیق برای پیش‌بینی ورشکستگی، به‌طور پیش‌فرض که بتواند نشانه‌های بحران مالی را به‌موقع تشخیص دهد، برای همه‌ی شرکت‌ها بسیار حیاتی است. بنابراین شرکت‌ها، به یک مدل مناسب که بتواند نشانه‌های ورشکستگی را به‌آسانی تشخیص دهد، نیاز دارند.این پژوهش درصدد ارائۀ‌‌ مدل بهینه برای پیش‌بینی ورشکستگی با استفاده از الگوریت...

full text

تحلیل مؤلفه‌های فرهنگ‌سازمانی دانش‌محور با استفاده از شبکه عصبی مصنوعی

این پژوهش به تحلیل مولفه های فرهنگ سازمانی دانش محور به منظور نیل به اثربخشی عملکرد با استفاده از شبکه عصبی مصنوعی می‌پردازد.پژوهش حاضر ازنظر نوع استفاده کاربردی است که با روش آمیخته اکتشافی انجام‌شده است. در تدوین ادبیات پژوهش با استفاده از روش بررسی اسنادی و نتایج حاصل از آن، مصاحبه‌های عمیق حضوری در چندین نوبت با 20 نفر از خبرگان دانشگاهی به عمل آمد. پس از ثبت مصاحبه‌ها، داده‌ها به روش تحلیل...

full text

تاثیر کیفیت سود بر پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی

پیش‌بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره‌های آتی، یکی از عناصر مهم در تصمیم‌گیری برای سرمایه‌گذاران بوده و در این میان انتخاب متغیرهای پیش‌بینی کننده همواره به‌عنوان یکی از مسائل چالش برانگیز در ادبیات پیش‌بینی ورشکستگی مطرح بوده است که در راس آن‌ها همواره سود حسابداری و متغیرهای سود‌آوری قرار داشته است. بنابراین کیفیت سود حسابداری از معیارهای با اهمیت در تصمیم‌گیری‌های سرمایه‌گذار...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 19  issue شماره 3(پیاپی78)

pages  63- 81

publication date 2008-09-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023