پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه بیزی ساده و مقایسه آن با تحلیل پوششی داده ها

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

در این پژوهش دو الگوی مختلف پیش بینی، الگوی شبکه بیزی ساده از سیستم های خبره و هوش مصنوعی و الگوی تحلیل پوششی داده ها از فنون تحقیق در عملیات برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران که در بازه زمانی 1389 تا 1391 فعال بوده اند به کار گرفته شده است. نتایج حاصل از پژوهش نشان داد که هردو الگوی طراحی شده قابلیت پیش بینی وقوع درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران را تا دو سال قبل از وقوع آن دارند. همچنین با استفاده از آزمون مقایسه زوجی دقت کلی پیش بینی دو الگوی مختلف با یکدیگر مورد مقایسه قرار گرفته و نتایج این مقایسه تفاوت معنی داری را میان دقت کلی دو الگو با یکدیگر در سال درماندگی مالی و نیز یک تا دو سال پیش از آن نشان نمی دهد. اگرچه مقایسه دقت کلی دو الگو با یکدیگر در سال های مورد بررسی (t، 1-t و2-t) تفاوت معنی داری را به لحاظ آماری نشان نمی دهد اما به طور کلی دقت پیش بینی الگوی شبکه بیزی ساده در تمامی سال های مورد بررسی از الگوی تحلیل پوششی داده ها بیشتر است لذا می توان از الگوی شبکه بیزی ساده با اطمینان بیشتری برای پیش بینی درماندگی مالی شرکت ها استفاده نمود.

زبان:
فارسی
صفحات:
1 تا 28
لینک کوتاه:
magiran.com/p1577479 
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!