تشخیص احتمال ورشکستگی شرکتها با استفاده از سیستم عصبی فازی ANFIS

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 493

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC03_247

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

یکی از موضوعات مهم در مدیریت مالی و همچنین بهبود شرایط اقتصادی کشور، شناسایی و تشخیصورشکستگی شرکتها پیش از وقوع آن است. بنابراین هدف این مقاله، طراحی سیستمی است که بابیشترین دقت بتواند ورشکستی را پیش از وقوع تشخیص دهد. به منظور تشخیص وضعیت ورشکستگیشرکتها از داده های مرتبط با فعالیت تعدادی از شرکتهای ایرانی استفاده شده که از بورس ایرانجمع آوری شده است. برای حل این مساله، یک سیستم عصبی فازی ANFIS با شش ورودیطراحی شده است. برای گریز از مشکل نفرین ابعاد و کاهش تعداد ورودی در شبکه عصبی فازیANFIS ، روش انتخاب ویژگی plus i-minus r مورد استفاده قرار گرفت. نتایج نشان میدهدکه استفاده از سیستم عصبی فازی ANFIS کارا بوده و نتایج قابل قبولی ارایه می کند. همچنین استفادهاز روشی به منظور کاهش ورودی های مساله، پیچیدگی سیستم را کاهش داده و دقت حاصل از دسته-بندی را به میزان زیادی بالا می برد. دقت حاصل از تشخیص 88 درصد به دست آمد.

کلیدواژه ها:

تشخیص ، ورشکستگی مالی ، سیستم عصبی فازی ANFIS ، انتخاب ویژگی

نویسندگان

سمیه برزگر

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

آرش شریفی

استادیار، عضو هیات علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

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 :
  • کمیجانی، اکبر و سعادت فر، جواد (1385)؛ «کاربرد مدل‌های شبکه ...
  • وکیلی‌فرد، حمیدرضا، پیله‌وری، نازنین و زیدی، سیده سمانه (1392) ؛ ...
  • Giovanis, E. (2010), A Study of Panel Logit Model and ...
  • Hagan, Martin T, Demuth, Howard B, Beale, Mark Hudson, De ...
  • nd Edition, Martin Hagan (January 2002) ...
  • Jang, J.S.R. (1993), ANFIS : Adaptive -Network-B ased Fuzzy Inference ...
  • Jin, Y. (2003). Advanced fuzzy systems design and applications (Vol. ...
  • Matthews, B. W. (1 975). "Comparison of the predicted and ...
  • Purvinis, O., Virbickaite, R. and Sukys, P. (2008), Interpretable Nonlinear ...
  • Rees, W. (1995). Financial Analysis. Prentice Hal. ...
  • Takagi, T., Sugeno, M., (1985), Fuzzy identification of systems and ...
  • rv _ nternational Conference on ...
  • Yildiz, B. and Akkoc, S. (2010), Bankruptcy Prediction Using Neuro ...
  • نمایش کامل مراجع