پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم کرم شب تاب(FA)

Authors

  • سید علیرضا احمدی دانشجوی کارشناسی ارشد حسابداری، گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران.
  • علی بیات استادیار حسابداری - گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
  • مجید محمدی دانشجوی دکتری تخصصی حسابداری، گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران.
Abstract:

سرمایه گذاران ، سهامداران، مدیران و دیگر ذینفعان با ورشکسته شدن شرکت، متضرر شده و دارایی خود را از دست خواهند داد. بنابراین وجود مکانیزمی که به بررسی و پیش بینی بحران مالی شرکت ها بپردازد امری ضروری و اجتناب ناپذیر بشمار می رود. تحقیقات متعددی در خصوص پیش بینی ورشکستگی صورت گرفته که استفاده از الگوریتم های هوش مصنوعی و فرا اکتشافی از نمونه مدل های دهه اخیر می باشند. در این پژوهش با استفاده از اطلاعات  شرکت های بورس اوراق بهادار تهران مربوط به سال های 1390-1395، شامل 41 شرکت موفق و 25 شرکت ورشکسته به عنوان جامعه آماری تحقیق استفاده شده است. نسبت های مالی  به عنوان متغیرهای این پژوهش می باشند که این متغیرها به عنوان نسبت های موثر در ورشکستگی با استفاده از الگوریتم فراکتشافی کرم شب تاب به عنوان یکی از مدل های هوش مصنوعی استخراج  شده است که 9 نسبت مالی را شامل می شود، و در این راستا رتبه بندی شرکت های سالم و ورشکسته نیز صورت گرفت. دو فرضیه برای این پژوهش تدوین گردیده است که نتایج بدست آمده علاوه بر تایید فرضیات، حاکی از پیش بینی های درست 95.12 درصدی برای سال اول، 85.36 درصدی برای سال دوم و 80.48 درصدی برای سال سوم است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارائه مدل ریاضی پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران

در این مقاله پنج مدل مهم پیش‌بینی ورشکستگی را مطالعه و از میان متغیرهای پنج مدل، مدل بازطراحی شده پیش‌بینی ورشکستگی را ارائه می‌کنیم که دربرگیرنده هشت متغیر می‌باشد.  مسأله اصلی در این تحقیق این است که با بررسی و تحلیل صورت‌های مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بتوانیم مدلی برای پیش‌بینی ورشکستگی شرکت‌ها ارائه نماییم.  به منظور طراحی مدل، از اطلاعات دو گروه از شرکت‌های پذیرفت...

full text

پیش بینی ورشکستگی شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی

آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای پیش بینی ورشکستگی شرکت های حاضر در بازار بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی است. در این تحقیق از نسبت های مالی...

full text

تبین ارتباط بین محافظه کاری و ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل های اندازه گیری پیش بینی ورشکستگی

رقابت روزافزون بنگاه های اقتصادی دست یابی به سود را محدود و احتمال بحران مالی شرکت ها را افزایش داده است. یکی از دغدغه های همیشگی سرمایه گذاران تشخیص شرکت های سودده از شرکت های دارای بحران مالی از طریق ویژگی های مالی آنان بوده است . از طرفی محافظه کاری حسابداری در حسابداری سابقه طولانی دارد. مدتها است که محافظه کاری در رویه های حسابداری نفوذ کرده و این نفوذ نیز با اهمیت بوده است. لذا بررسی و شن...

full text

پیش ‏بینی پنج ساله ورشکستگی مالی برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران

در این مطالعه مدلی برای پیش‏بینی ورشکستگی ارائه شده است که این پیش‏بینی در فاصله زمانی پنج سال قبل از وقوع ورشکستگی اتفاق می‏ افتد. در این مدل از نسبت های مالی الگوی آلتمن به همراه نسبت جاری استفاده شده است. برآورد مدل به سه روش مدل احتمال خطی، مدل لوجیت و مدل پروبیت صورت گرفته است. نمونه انتخابی برای برآورد مدل شامل 134 شرکت از بین شرکت های فعال در بورس در سال 1382 است. براساس اطلاعات سال 1382...

full text

پیش بینی ورشکستگی مالی شرکت های بورس اوراق بهادار تهران با استفاده از شبکه‎های عصبی مصنوعی

هدف اصلی این مقاله پیش‎بینی ورشکستگی مالی شرکت‎ها در بورس اوراق بهادار تهران به وسیله‎ی شبکه‎های عصبی مصنوعی است. مقادیر میانگین مربوط به نسبت‎های مالی کلیدی در پژوهش‎های صورت گرفته در پیشینه موضوع به‎عنوان ورودی شبکه‎های عصبی انتخاب شده‎اند. شبکه عصبی به‎کار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیده‎اند و شامل شبکه عصبی پیش‎خور سه لایه با ت...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 37

pages  234- 262

publication date 2018-12-22

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