تدوین الگوهای پیش بینی کننده بحران مالی با استفاده از تجزیه و تحلیل درونی داده ها و تکنیک های هوش مصنوعی

نویسنده:
چکیده:
یکی از ابزارهای تصمیم گیری استفاده کنندگان برون سازمانی از قبیل سرمایه گذاران، اعتباردهندگان، شرکت های تجاری و همچنین موسسات دولتی تصمیم گیری در خصوص سرمایه گذاری، اعطای اعتبار و... تجزیه و تحلیل صورت های مالی شرکت ها می باشد. با توجه به پیشرفت سریع فناوری و تکنولوژی های کامپیوتری می توان اطلاعات دقیق تری نسبت به اطلاعات سنتی در اختیار تصمیم گیرندگان قرار داد. تا بتوانند تصمیم گیری های مناسب تری را در خصوص احتمال برگشت سرمایه و یا وقوع بحران مالی قبل از وقوع و تحمل هزینه های سنگین اتخاذ نمایند.
هدف این تحقیق تدوین مدلهای پیش بینی کننده بحران مالی برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از نسبت های مالی و تکنیک های هوش مصنوعی می باشد. از این رو اطلاعات مالی مربوط به دوره زمانی 1370 الی 1388 جمع آوری و نسبت های مالی مورد نظر استخراج و الگوهای شبکه عصبی ANN، ترکیب آنالیز مولفه های اصلی و شبکه عصبیPCA+ANN برای پیش بینی بحران مالی یک، دو و سه سال قبل از وقوع آن تدوین شده است. سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. با توجه به نتایج آزمون مشخص گردید الگوی شبکه عصبی با استفاده از اطلاعات یک سال قبل از وقوع نسبت به سایر تکنیک های این پژوهش و سایر سال های مالی دارای کارایی بیشتری در پیش بینی بحران مالی شرکت ها می اشد.
زبان:
فارسی
صفحات:
120 تا 135
لینک کوتاه:
magiran.com/p1119928 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!