جستجوی مقالات مرتبط با کلیدواژه

support vector machine (svm)

در نشریات گروه حسابداری

تکرار جستجوی کلیدواژه support vector machine (svm) در نشریات گروه علوم انسانی

تکرار جستجوی کلیدواژه support vector machine (svm) در مقالات مجلات علمی

انتخاب همه

The Role of Managerial Ability, Enterprise Risk Management (ERM) in Reducing the Business Continuity Risk Using the Support Vector Machine (SVM) Model

Fatemeh Yari, Alireza Mehrazeen *, Reza Yarifard, AbuLQasem Masih Abadi

International Journal of Finance and Managerial Accounting, Volume:10 Issue: 37, Spring 2025, PP 123 -132

Background

This research examines the role of managerial ability in relation to integrated risk management and business continuity risk of companies through the use of the support vector machine (SVM) model to determine the business continuity risk index.

Methods

The support vector machine has been used to determine business continuity. The number of 180 companies listed on the Tehran Stock Exchange and 2160 years/ company observations from 2008 to 2020 (12 years) were investigated. The support vector machine model was used to measure the business continuity risks. The Ordinary Least Squares regression (OLS) was used to test the research hypothesis. The support vector machine (SVM) model was used to measure business continuity risks.

Results

The results indicate that the greater the managerial ability, the lower the business continuity risks. They also confirm that managerial ability is an important indicator in reducing business continuity risks. In addition, the managerial ability has a positive and significant relationship with Enterprise Risk Management.

Keywords: Managerial ability, Business Continuity Risks, Enterprise Risk Management (ERM), Risk-Based Approach, support vector machine (SVM)

Abstract View Paper Research/Original Article Original: English
توانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی

غلامرضا منصورفر*، فرزاد غیور، بهناز لطفی

فصلنامه پژوهش های تجربی حسابداری، سال پنجم شماره 1 (پیاپی 17، پاییز 1394)، صص 177 -195

درماندگی مالی پیش از ورشکستگی مالی رخ می دهد و پیش بینی موثر آن یک مسئله ی مهم و چالش برانگیز برای شرکت ها می باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آن ها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی مالی، کشف تقلب مدیریت، برآورد ریسک اعتباری و پیش بینی عملکرد شرکت، گسترش داده است. دراین مطالعه، ترکیبات جریان نقد شرکت های انتخاب شده برمبنای معیارهای اختصاصی درماندگی به عنوان متغیرهای ورودی مدل به کار گرفته شده است. یافته های تحقیق حاکی از آن است از میان توابع کرنلی، تابع چند جمله ای در سال درماندگی، یک و دو سال قبل از آن دارای بالاترین قدرت پیش بینی است.

کلید واژگان: ماشین بردار پشتیبان، درماندگی مالی، ترکیبات جریان نقد، بورس اوراق بهادار تهران

چکیده مشاهده متن زبان: فارسی

The Ability of Support Vector Machine (SVM) in Financial Distress Prediction

Gholamreza Mansourfar*, Farzad Ghayour, Behnaz Lotfi

Journal of "Empirical Research in Accounting ", Volume:5 Issue: 1, 2015, PP 177 -195

Predicting financial distress, which normally happens before bankruptcy, is a challenging phenomenon and a crucial issue in all firms. The importance of data mining tools is well recognized, such that nowadays they are widely used in different financial issues such as, prediction of bankruptcy, financial distress, company's performance prediction, management fraud discovery and credit risk assessment. Using support vector machine and combinations of cash flow components, this research attempts to predict financial distress of companies. Combinations of cash flows, as input variables (data) of the model, are selected based on specific criteria of financial distress. Results reveal that among Kernel functions of the model, polynomial function has the most power of prediction in year of financial distress or one and two years prior to year of distress.

Keywords: Support Vector Machine (SVM), financial distress, combination of cash flow, Tehran Stock Exchange

Abstract View Paper Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

support vector machine (svm)