ارزیابی ریسک اعتباری با استفاده از مدل ترکیبی شبکه عصبی بازشناسی الگو و الگوریتم مورچگان
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 374
فایل این مقاله در 38 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:
JR_JMDP-33-1_006
تاریخ نمایه سازی: 23 بهمن 1399
چکیده مقاله:
میزان قابلتوجه زیان مالی بالقوه ناشی از بازپرداخت نکردن تعهدهای وامگیرندگان است، و توسعه و بهبود روشهای اندازهگیری ریسک اعتباری برای کاهش زیان مالی ناشی از نکول وامگیرندگان به موضوعی اجتناب ناپذیر در ادبیات مالی تبدیل شده است. هدف مدلهای پیشبینی ورشکستگی، برآورد احتمال نکول شرکت یا شخص در یک دوره زمانی است. در پژوهش حاضر، از دادههای شرکتهای حاضر در بورس اوراق بهادار تهران و فرابورس در سالهای 1395-1370 استفاده می شود و با نمونهای از ۲۱۸ شرکت، الگوریتم کلونی مورچگان برای تعیین موثرترین عوامل ریسک اعتباری و روش شبکه عصبی بازشناسی الگو برای طبقهبندی و ارزیابی میزان دقت پیشبینی ورشکستگی استفاده می شود. نسبتهایی شامل سود قبل از بهره و مالیات به فروش کل، کل حقوق صاحبان سهام به کل بدهی، نسبت جاری، نسبت وجه نقد، و نسبت حقوق صاحبان سهام به دارایی کل به عنوان موثرترین عوامل شناسایی می شوند. مدل نهایی قادر به پیشبینی وضعیت اعتباری شرکتها، با دقت بالاتری نسبت به متوسط دقت مدلهای متداول موجود با استفاده از دادههای سال قبل، دو سال قبل، و سه سال قبل از سال هدف برآورد است.
کلیدواژه ها:
نویسندگان
غلامرضا جندقی
Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran.
علیرضا سارنج
Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran
رضا رجایی
Ph.D. Financial Management, Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran.
احمدرضا قاسمی
Faculty of Management and Accounting, Farabi Campus University of Tehran, Qom, Iran
رضا تهرانی
Department of Financial Management., Faculty of Management, University of Tehran, Iran.
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 :