به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

backpropagation neural network

در نشریات گروه مالی
تکرار جستجوی کلیدواژه backpropagation neural network در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه backpropagation neural network در مقالات مجلات علمی
  • مهدی حیدری، شکرالله زیاری*، سید احمد شایان نیا، علیرضا رشیدی کمیجان

    با پیش بینی نابسامانی مالی، پیشگیری ها و اقدامات مقتضی لازم توسط مدیران و سرمایه گذاران انجام شود. پژوهش حاضر، دو مدل پیش بینی ورشکستگی با استفاده از شبکه عصبی و الگوریتم فراابتکاری کرم شب تاب در بورس اوراق بهادار تهران، آزمون و نتایج با هم مقایسه می شود. برای اجرای آزمون ابتدا یک مقادیر اولیه برای وزن ها و بایاس های شبکه تعیین شده و سپس در طی پروسه بهینه سازی، جمعیتی از وزنها و بایاس های مختلف توسط الگوریتم کرم شب تاب تولید می شوند. تابع تبدیل مورد استفاده در لایه خروجی از نوع خطی و برای لایه میانی یک تابع غیرخطی سیگمویدی انتخاب شده است. برای انجام این پژوهش داده های 79 شرکت در بازه زمانی 1391 تا 1394 گردآوری و با به کارگیری الگوریتم های شبکه عصبی پس انتشار و کرم شب تاب تجزیه و تحلیل شدند. یافته های این پژوهش نشان می دهد که شبکه عصبی بهینه شده بوسیله الگوریتم کرم شب تاب عملکرد بهتری نسبت به شبکه عصبی پس انتشار خطا در پیش بینی ورشکستگی شرکت های نمونه دارد. همچنین الگوریتم کرم شب تاب به خوبی نسبت بین شرکت های ورشکسته و عدم ورشکسته را همانند داده های واقعی حفظ کرده است.

    کلید واژگان: ورشکستگی مالی، شبکه عصبی پس انتشار، الگوریتم کرم شب تاب
    Mahdi Heidary, Shokrollah Ziari *, Seyed Ahmad Shayan Nia, Alireza Rashidi Kemijan

    By anticipating financial turmoil, it is possible to take the necessary precautions before financial distress occurs by managers and investors. This study compares two algorithms for prediction of bankruptcy using Artificial Neural Network (ANN) and Neural network optimized metaheuristic Firefly Algorithm (FA). To run test, first initial values are set for the network weights and biases and then during the optimization process, a population of different weights and biases is generated by FA algorithm. The conversion function used in the output layer is linear and for the middle layer a non-linear sigmoid function is selected. To conduct this research, the data of 79 companies listed on TSE during 2012 to 2015 were collected and analyzed statistically by backpropagation neural network and FA algorithms. The results show that FA, compared to ANN predicted the companies’ bankruptcy much better. Also, FA Algorithm maintains a good correlation between bankrupt and non-bankrupt companies, just like real data.

    Keywords: Financial Bankruptcy, backpropagation neural network, Firefly Algorithm
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.
درخواست پشتیبانی - گزارش اشکال