پیش بین ورشکستگی بنگاه های اقتصادی قابل پذیرش در بوررس برق و انرژی با استفاده از اتوماتای یادگیر

پیام:
چکیده:
با توجه به آغاز به کار بورس برق و انرژی در سال 1391، ارائه مشاوره های جانبی به سرمایه گذاران یکی از اولویت های توسعه و پیشرفت این بورس تازه تاسیس، می باشد. پیش بینی ورشکستگی بنگاه های اقتصادی، نه تنها به سرمایه گذاران در اولویت دهی و جلوگیری از دست رفتن اصل و فرع سرمایه کمک می کند، بلکه تاثیر بسزایی در نحوه اعتباردهی و در نتیجه جلوگیری از نابودی بنگاه اقتصادی خواهد داشت. در این مقاله، مساله پیش بینی ورشکستگی بنگاه های اقتصادی مرتبط با حوزه برق و انرژی، در محیط شرکت های ایران، بررسی می گردد. برای این منظور از اطلاعات 200 سال-شرکت، از بین شرکت های پذیرفته شده در بورس اوراق بهادار تهران، در سال های 1380 تا 1388، استفاده شده است. در کلیه مطالعات تعداد شرکت های ورشکسته و غیرورشکسته مساوی در نظر گرفته شده و شرکت های ورشکسته بر مبنای ماده 141 قانون تجارت انتخاب شده اند. به منظور ایجاد یک رابطه پیشنهادی برای پیش بینی ورشکستگی مالی شرکت های مرتبط با حوزه برق و انرژی، از یک الگوریتم هوشمند مبتنی بر اتوماتای یادگیر استفاده شده است. مطابق نتایج ارائه شده، دقت مدل پیشنهادی برای داده های آموزش حدود 91% و بر روی داده های آزمون تقریبا 88% می باشد. با توجه آنالیز حساسیت های انجام شده، می توان نتیجه گرفت که مدل پیشنهادی نیازهای فنی و اقتصادی مساله را ارضاء نموده و می تواند به عنوان ابزاری برای پیش بینی ورشکستگی شرکت ها مورد استفاده قرار گیرد.
زبان:
فارسی
در صفحه:
39
لینک کوتاه:
magiran.com/p1274408 
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!