طراحی مدل پیش بینی ریسک تجاری با استفاده از تکنیک های یادگیری ماشین
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
پیش بینی برآورد احتمال وقوع وقایع در آینده است که براساس اطلاعات حال و گذشته انجام می شود، به این ترتیب که اولا با ارایه هشدارهای لازم می توان شرکت ها را نسبت به وقوع شکست تجاری هوشیار کرد تا آن ها با توجه به این موضوع دست به اقدام های مقتضی بزنند و دوم این که سرمایه گذاران و اعتباردهندگان فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابع شان را در فرصت های مناسب سرمایه گذاری کنند؛ بنابراین پیش بینی ریسک تجاری شرکت ها همواره یکی از موضوعات مورد توجه سرمایه گذاران، اعتباردهندگان و دولت بوده است.هدف از انجام این تحقیق طراحی مدل پیش بینی ریسک تجاری با استفاده از تکنیک های یادگیری ماشین می باشد. جامعه آماری تحقیق حاضر شرکت های منتخب پذیرفته شده در بورس اوراق بهادار تهران در طی یک دوره نه ساله بین سال های 1386-1397 می باشد. نتایج آزمون فرضیه ها نشان می دهند که اندازه شرکت، نقدینگی شرکت، سودآوری شرکت، فرصت رشد شرکت، اندازه صنعت، تعداد شرکت در صنعت بر ریسک تجاری تاثیر منفی دارند در حالی که، نسبت بدهی شرکت بر ریسک تجاری تاثیر مثبت و معناداری دارند. همچنین نتایج نشان می دهند که از لحاظ آماری، عمر شرکت، غیر متمرکز بودن صنعت بر ریسک تجاری تاثیری ندارد. نتایج حاصل از طراحی مدل و تکنیک های یادگیری ماشین نشان دهنده کارآ بودن تکنیک NB و بعد از آن تکنیک SVM نسبت به سایر تکنیک های یادگیری ماشین می باشد.
کلیدواژگان:
زبان:
فارسی
صفحات:
121 تا 134
لینک کوتاه:
magiran.com/p2415967
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!