نجمه راموز
استادیار گروه مدیریت بازرگانی، دانشگاه قم، قم، ایران
[ 1 ] - پیش‌بینی ریسک ورشکستگی مالی بر اساس مدل‌های حسابداری، بازاری و ترکیبی(ترکیب دو مدل) با استفاده از تکنیک شبکه‌های عصبی RBF و MLP در بورس اوراق بهادار تهران
در این مقاله، به پیش‌بینی ریسک ورشکستگی مالی بر اساس مدل‌های حسابداری، بازاری و ترکیبی (ترکیب دو مدل فوق) با استفاده از تکنیک‌های MLP و RBF شبکه‌های عصبی پرداخته شده و نتایج تکنیک‌های مذکور بر اساس شاخص میانگین مربعات خطا در سه مدل یاد شده با هم ...
[ 2 ] - کاربرد روش تخمین مجموعهی غیر مرجح در انتخاب پرتفوی بهینه (مطالعهی موردی: بورس اوراق بهادار تهران)
در اکثر مسائل تصمیم‌گیری چندمعیاره، داشتن اطلاعاتی در مورد اهمیت نسبی هر یک از معیارها ضروری است. در این گروه از مسائل، وزنها اهمیت نسبی و ارجحیت هر شاخص (معیار) را نسبت به معیارهای دیگر تصمیم‌گیری میسنجند. در این مطالعه برای ترسیم مرز کارای میانگین ـ واریانس، از روش تخمین مجموعهی غیر مرجح استفاده میشود. روش تخمین مجموعهی غیر مرجح، روشی برای ایجاد مجموعه نقاط غیر مرجح است که در آن، اطلاعات...
[ 3 ] - پیش‌بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران
پیش‌بینی ریسک ورشکستگی مالی یکی از مهمترین موضوعات در حوزه تصمیم‌گیری مالی شرکت‌ها است. از این جهت، تاکنون مدل‌های متنوعی که هرکدام از نظر متغیرهای پیش‌بینی‌کننده و تکنیک‌ها متفاوتند، ارائه شده‌اند. استفاده از ترکیب متغیرهای حسابداری و بازاری در مدل به عنوان ورودی، قطعاً بر نتایج و دقت پیش‌بینی‌ها تاثیر مستقیمی خواهد داشت. در این مطالعه، پیش‌بینی با استفاده از مدل ترکیبی (استفاده از متغیرهای حسا...
[ 4 ] - انتخاب پرتفوی بهینه با استفاده از مدل برنامه ریزی توافقی در بورس اوراق بهادار تهران
تاکنون مدل‌های مختلفی در زمینه انتخاب پرتفوی بهینه برای سرمایه‌گذاران، ارائه‌شده است. اکثر قریب به اتفاق این مد‌ل‌ها در نهایت با ارائه مجموعه‌ای از پرتفوی‌های موجود در مرز‌کارا، فرآیند انتخاب را به پایان می‌رسانند و در بهترین حالت در ادامه فرآیند، با استخراج تابع مطلوبیت با توجه به ترجیحات سرمایه‌گذار از طریق گفتگوهای تعاملی تا حد امکان پرتفوی بهینه را متناسب با موقعیت‌های مالی و ویژگی‌های رفتا...
نویسندگان همکار