تبیین متغیرهای مالی موثر در پیش بینی درماندگی مالی: کاربرد شبکه عصبی مصنوعی

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

پیش بینی درماندگی مالی شرکت ها ،یکی از مهمترین مباحث پیش روی مدیران است و می تواند به موفقیت و تداوم حیات شرکت ها کمک زیادی بکند؛ زیرا با ارایه سیگنال های هشدار بر انگیز و به موقع می تواند مدیران شرکت ها را نسبت به وقوع درماندگی مالی و ورشکستگی آگاه نماید و در نتیجه، با مدیریت صحیح از به هدر رفتن منابع و خسارت های ناشی از ورشکستگی جلوگیری شود. هدف اصلی این تحقیق، انتخاب متغیرهای مالی موثر جهت پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و سپس پیش بینی درماندگی مالی با روش شبکه عصبی مصنوعی است. بنابراین ابتدا 106 شرکت با روش نمونه گیری تصادفی ساده انتخاب شدند و داده های مالی آنها از سال های 1386 تا 1398 استخراج و با آزمون همبستگی پیرسون رابطه بین متغیرها بررسی و از 34 نسبت مالی،24 نسبت که دارای رابطه معنی دار بودند، انتخاب گردید و در نهایت با روش شبکه عصبی مصنوعی پیش بینی درماندگی مالی شرکت ها انجام، که درماندگی یا عدم درماندگی، 103 شرکت بدرستی پیش بینی گردید و با مقایسه پیش بینی انجام شده توسط روش شبکه عصبی مصنوعی با مقادیر واقعی متغیر وابسته در سال 98، مشخص شد که در بیش از 97 درصد موارد، این روش، درماندگی مالی شرکت ها را به درستی پیش بینی کرده است.

زبان:
فارسی
صفحات:
65 تا 84
لینک کوتاه:
magiran.com/p2280393 
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!