بررسی میزان دقت الگوریتم های مختلف داده کاوی جهت انتخاب بهترین روش پیش بینی ورشکستگی و مدیریت مالی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,087
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CAFM03_106
تاریخ نمایه سازی: 28 شهریور 1394
چکیده مقاله:
پیش بینی ورشکستگی یکی از اهداف مهم مالی شرکت هاست، به این منظور تحقیقات بسیاری انجام شده است. درپژوهش های گذشته از مدلهای مختلف آماری و هوش مصنوعی استفاده شده و با کمک ابزار داده کاوی که می توانددر برگیرنده مجموعه ای از مدلهای مختلف باشد (ازجمله: شبکه های عصبی، رگرسیون لجستیک، ماشین بردار پشتیبان،درخت های تصمیم) به بررسی توان مدل های پیش بینی ورشکستگی و درماندگی مالی پرداخته شده است. با توجه بهاهمیت فوق العاده پیش بینی ورشکستگی و و انتخاب روشی که دقت بالاتری در این مسئله داشته باشد ، هدف اینپژوهش رسیدن به مناسب ترین جواب در این زمینه است . به همین منظور ، در این پژوهش ابتدا عوامل موثر از جملهمتغیرها و روش دسته بندی در پیش بینی صحیح ورشکستگی که می تواند نتایج تحقیق را تحت تاثیر قرار دهد، موردبررسی قرار گرفته و سپس پرکاربردترین الگوریتم های طبقه بندی به لحاظ میزان دقت (صحت) در پیش بینیورشکستگی بیان شده و با توجه به اینکه پژوهش های مقایسه ای مختلف به منظور تعیین دقت هر یک از مدل ها میتواند جذاب باشد، الگوریتم ها و روش ها با هم مقایسه شده وسپس به این نتیجه رسیده که ترکیب الگوریتم های کهبالاترین میزان دقت را دارند ، می تواند، بهترین مدل جهت پیش بینی ورشکستگی را گزینش کند. در پایان پیشنهاداتیجهت بهبود فرایند پیش بینی ورشکستگی وتحقیقات آینده ارائه شده است.
کلیدواژه ها:
نویسندگان
کبری یوسفی
دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک دانشگاه آزاد اسلامی صفاشهر
طاهره تماری
دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک دانشگاه آزاد اسلامی صفاشهر
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 :