در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای  شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای  شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...

پیش­بینی ورشکستگی در مطالعات و مقالات موجود در حوز­ های حسابداری و  مدیریت بسیار مورد بحث واقع شده­است و مطالعات فراوانی در رابطه با روش­های تجربی بهتر برای پیش­بینی ورشکستگی انجام شد­ه­است. هدف تحقیق حاضر استفاده از نسبت­های مالی و شاخص­های راهبری شرکتی برای پیش­بینی ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است. پژوهش حاضر به لحاظ هدف، بنیادی و از نظر روش تحقیق توصیفی از نوع هم...

زمینه: در پژوهش حاضر به شناسایی عوامل موثر بر پیش بینی ورشکستگی شرکتهای ایرانی با استفاده از سیستم شبکه های عصبی مصنوعی (ANN) بر مبنای رویکرد پرسپترون چندلایه (PS) و ارائه یک مدل آماری مناسب به منظور برآورد ورشکستگی شرکتهای ایرانی، با استفاده از یافته های حاصل از اجرای شبکه ANN پرداخته شده است. هدف: در پژهش حاضر به دنبال پاسخ گویی به این پرسش هستیم که آیا عوام...

در این مقاله، به پیش بینی ورشکستگی شرکت ها با استفاده از سامانه ی خبره تلفیقی پرداخته شده است. عوامل مؤثر بر ورشکستگی و میزان تأثیر آنها تحت عنوان قواعدی در سامانه مبتنی بر پایگاه قواعد ذخیره شده و به همراه نسبت های مالی شرکت ها به عنوان ورودی شبکه ی عصبی در نظر گرفته می شوند. تأثیر هر یک از این عوامل بر نسبت سرمایه/ سود (یا زیان انباشته) بررسی گردید تا تأثیر شوک های برونزا بر ورشکستگی مشخص شود...

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق‌تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...