توانایی ماشین بردار پشتیبان در پیش بینی احیای مالی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 146

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JFMZ-11-1_008

تاریخ نمایه سازی: 22 فروردین 1402

چکیده مقاله:

چکیدهیکی از مهمترین موضوعات حوزه مدیریت مالی، آن است که سرمایه گذاران بتوانند فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند. یکی از راهکارهای کمک به سرمایه گذاران پیش بینی احیای مالی (خروج از درماندگی) شرکت های دارای درماندگی مالی است. از این رو، این پژوهش در صدد است مدلی جهت پیش بینی احیای مالی با استفاده از الگوریتم ماشین بردار پشتیبان برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارائه نماید. برای دستیابی به این هدف،۵۴ متغیر مالی با استفاده از الگوریتم انتخاب ویژگی لارس تعیین گردید و برای آزمون دقت نتایج مدل پیشنهادی از الگوریتم یادگیر ماشین بردار پشتیبان استفاده شده است. بدین منظور در دوره زمانی ۱۳۸۰ تا۱۳۹۷ اطلاعات ۱۶۷ شرکت درمانده ای که از درماندگی مالی خارج و احیا شده اند، استخراج گردید. یافته های پژوهش نشان می دهد، مدل تحقیق با دقت ۷۴% زمان احیا و خروج شرکت درمانده مالی را از درماندگی مالی به درستی پیش بینی می نماید.طبقه بندی موضوعی: G۴۰ ، C۱۵.

نویسندگان

;کاظم هارونکلایی

دانشجوی دکتری حسابداری، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران

سیدعلی نبوی چاشمی

دانشیارمدیریت، دانشکده مدیریت، دانشگاه آزاد اسلامی، بابل، ایران

قدرت اله برزگر

استادیار حسابداری، دانشکده حسابداری و مدیریت، دانشگاه مازندران، بابلسر، ایران.

ایمان داداشی

استادیار حسابداری، دانشکده علوم اقتصادی و اداری، دانشگاه قم، قم، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Barboza, F., Kimura, H., & Altman, E. (۲۰۱۷), “Machine learning ...
  • Bibeault, D.B. (۱۹۹۸) Corporate Turnaround: How Managers Turn Losers into ...
  • Binti, S & Ameer, R. (۲۰۱۰). Turnaround prediction of distressed ...
  • Botshekan, M. Salimi, M & Falahatgar, S. (۲۰۱۸). Developing a hybrid approach for ...
  • Chu-kuo Chin. (۲۰۱۶). Predicting corporate turnaround of listed companies in ...
  • Efron, B. Hastie, T. Johnstone, I. & Tibshirani, R. (۲۰۰۴). ...
  • Eunice, K & Maina, S. (۲۰۱۹). Turnaround Strategies and Performance ...
  • Fu, J. Yu, Y. Maulin, H. Chai, J. & Chang ...
  • Ghazanfari, M. Rahimi, A & Askari, A. (۲۰۱۸). predict the ...
  • Kordestani, G & Tatli, R. (۲۰۱۳). Evaluating the predictive power ...
  • Mehrani, S., kamyabi, Y., & ghayour, F. (۲۰۲۰). Effects of ...
  • Slatter, S. (۱۹۸۴). Corporate recovery: Successful turnaround strategies and their ...
  • Soufi, M. Homayonfar, M & Fadaei, M. (۲۰۲۰). Developing an ...
  • vaghfi, S. H. (۲۰۱۹). Using artificial intelligence algorithm in Financial ...
  • Yeong, K & Shiguang, Ma. (۲۰۱۶). Survival prediction of distressed ...
  • نمایش کامل مراجع