پیش بینی ورشکستگی با استفاده از شبکه عصبی
محل انتشار: دومین همایش بین المللی مدیریت و فرهنگ توسعه
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 665
فایل این مقاله در 11 صفحه با فرمت PDF و WORD 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:
ICOM02_288
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
هدف از این پژوهش پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه عصبی تابع شعاعی (RBF) می باشد.پژوهش فوق از نوع شبه تجربی می باشد زیرا به دنبال یافتن عوامل علی بر واقعیات و شرایط تحقیق می باشد.جامعه آماری پژوهش تمامی شرکت های ورشکسته مشمول ماده 141 قانون تجارت سالهای 91 و 92 و تعداد99 شرکت سالم بر مبنای سود دهی برای همین دو سال می باشند.که شرکت های سالم به کمک نمونه گیری تصادفی انتخاب شدند.5 متغیر مستقل تحقیق که عبارتند از: سرمایه در گردش به کل دارایی ها،سود یا زیان انباشته به کل دارایی ها، سود قبل از کسر بهره و مالیات به کل دارایی ها،ارزش دفتری حقوق صاحبان سهام به ارزش دفتری کل بدهی ها وکل فروش به کل دارایی ها و متغیر وابسته یک متغیر دو حالتی که برای شرکت های سالم برابر صفر و برای شرکت های ورشکسته برابر یک می باشند.پس از انجام مراحل آمار استنباطی با کمک نرم افزار WEKA میزان پیش بینی شبکه عصبی تابع شعاعی در سال 91 برابر با 95.34% و در سال 92 برابر با 90.69% می باشد.
کلیدواژه ها:
پیش بینی ورشکستگی ، شبکه عصبی تابع شعاعی و ماده 141 قانون تجارت
نویسندگان
معصومه طباطبائی
دانشجوی کارشناس ارشد حسابداری، واحد بروجرد،دانشگاه آزاد اسلامی، بروجرد،ایران
داریوش جاوید
استادیار گروه حسابداری، واحد بروجرد،دانشگاه آزاد اسلامی، بروجرد،ایران
محمدرضا معظمی گودرزی
استادیار گروه ریاضی، واحد بروجرد،دانشگاه آزاد اسلامی، بروجرد،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 :