تعداد نشریات | 50 |
تعداد شمارهها | 2,168 |
تعداد مقالات | 20,050 |
تعداد مشاهده مقاله | 23,640,754 |
تعداد دریافت فایل اصل مقاله | 21,727,043 |
ارائه مدلی به منظور پیش بینی ورشکستگی شرکت ها با استفاده از مکانیزم های حاکمیت شرکتی و نسبت های مالی | ||
دانش سرمایهگذاری | ||
دوره 12، شماره 48، دی 1402، صفحه 67-98 اصل مقاله (847.73 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
غزاله علی بابایی1؛ محمد حامد خان محمدی ![]() ![]() | ||
1دانشجوی دکتری گروه حسابداری، واحد دماوند، دانشگاه آزاد اسلامی، دماوند، ایران | ||
2استاد یار گروه حسابداری، واحد دماوند، دانشگاه آزاد اسلامی، دماوند، ایران | ||
چکیده | ||
بهبود بستر اقتصادی و فضای کسب و کار، مهم ترین عامل جلوگیری از ورشکستگی است. از این رو، مدل های پیش بینی ورشکستگی با استفاده از روش های هوشمند اقدام به پیش بینی ورشکستگی شرکت ها در آینده می کنند. در این پژوهش شرکت های فعال در بورس اوراق بهادار تهران در بازه زمانی 10 ساله از لحاظ ورشکستگی براساس مدل بومی شده کردستانی-تاتلی بر پایه مدل آلتمن مورد بررسی قرار گرفتند و شرکت ها به تفکیک ورشکسته، سالم شناسایی شدند. داده های پژوهش با استفاده از داده های ثانویه مستخرج از صورت های مالی و از طریق پایگاه داده های سازمان بورس و بانک مرکزی جمع آوری، دسته بندی و پالایش شدند. مدل های مورد استفاده جهت ارزیابی داده ها و پیش بینی ورشکستگی شرکت ها، مدل های هوش مصنوعی بوده است شامل شبکه عصبی پرسپترون به عنوان روش اول، ترکیب شبکه عصبی و الگوریتم ژنتیک، روش دوم و روش سوم روش نزدیک ترین همسایه استفاده شده است و از نظر دقت پیش بینی نیز با هم مقایسه شدند. خروجی مدل ها حاکی از این است که افزودن شاخص های حاکمیت شرکتی به شاخص های نسبت های مالی باعث بهبود در نتایج نشده است. لذا نسبت های مالی در تعیین ورشکستگی به تنهایی قدرت پیش بینی خوبی دارند. مدل پیشنهادی این پژوهش از لحاظ دقت، مدل ترکیب شده شبکه عصبی و الگوریتم ژنتیک می باشد که بالاترین دقت را داشته است. الگوریتم ژنتیک نتایج بهینه ی شبکه عصبی را بهبود می بخشد و جواب بهینه تری ارایه می گردد. | ||
کلیدواژهها | ||
پیش بینی ورشکستگی؛ هوش مصنوعی؛ نسبت های مالی؛ حاکمیت شرکتی | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 105 تعداد دریافت فایل اصل مقاله: 87 |