این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات حسابداری و حسابرسی، جلد ۵، شماره ۱۹، صفحات ۴-۲۱
عنوان فارسی مقایسه مدل تحلیل تمایزی چندگانه با مدل شبکه‌های عصبی در پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بازار بورس اوراق بهادار تهران
چکیده فارسی مقاله پژوهش حاضر به مطالعه­ی پیش­بینی ورشکستگی مالی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران به وسیله­ی شبکه­های عصبی مصنوعی می­پردازد. بهترین نسبت­های مالی پیش­بین در پژوهش­های صورت گرفته در پیشینه موضوع به عنوان ورودی شبکه­های عصبی انتخاب شده­اند. شبکه­ی عصبی به کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه می­باشد که به روش الگوریتم پس انتشار خطا آموزش دیده­اند، و شامل شبکه عصبی پیشخور سه لایه با ترکیب (5:18:2) در آرایش نرون­هاست. نمونه­های انتخاب شده در برازش الگو شامل یک گروه 54 عضوی از شرکت های ورشکسته ویک گروه 64 عضوی از شرکت­های غیرورشکسته بورس اوراق بهادار تهران است که گروه ورشکسته بر مبنای مشمولیت ماده 141 قانون تجارت طی سال­های 1381 تا 1389و گروه غیرورشکسته وبراساس روش نمونه گیری تصادفی از شرکت­های تولیدی پدیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی تحقیق انتخاب شده اند. از مدل تحلیل تمایزی چندگانه به منظور مقایسه­ی دقت پیش­بینی مدل شبکه­های عصبی استفاده شده است. ملاک صحت پیش­بینی مدل ها سطح زیر منحنی ROC می­باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Compared with Multiple Discriminate Analysis Model and neural network Models in Predicting Bankruptcy of the listed Companies in Tehran Stock Exchange
چکیده انگلیسی مقاله The main purpose of this paper is prediction of corporate financial bankruptcy using Artificial Neural Networks 1380-1389. The mean values of key ratios reported in past bankruptcy studies were selected for neural network inputs (Working capital to total assets, Net income to total assets, Total debt to total assets, Curent assets to current liabilities, Quick assets to current liabilities). The neural network used in this research is Multilayer Perceptron (MLP) that trained with backpropagation algorithm, and contained three-layer feedforward neural network with 5,18,2 number of neurons in input, hidden and output layer respectively. The samples of this research consist of bankrupt and non-bankrupt groups. Bankruptcy group was Manufacturing Corporations that were included Article 141 of Mercantile law within 1380-1389 and non-bankruptcy group selected by random sampling. The data is analysed using a more traditional method of bankruptcy prediction, multivariate discriminant analysis. A comparison of the predictive abilities of both the neural network and the discriminant analysis method is presented. Also, accuracy prediction of neural network is presented by ROC curve.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احمد احمدپور |
عضو هیئت علمی و استاد دانشگاه مازندران

حبیبه میرزایی اسرمی |
کارشناس ارشد حسابداری دانشگاه مازندران.

نشانی اینترنتی http://www.iaaaar.com/article_104532_542780af13488a7f942eba931343023a.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/696/article-696-2315297.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات