آمار
| تعداد نشریات | 50 |
| تعداد شمارهها | 2,232 |
| تعداد مقالات | 20,475 |
| تعداد مشاهده مقاله | 25,234,564 |
| تعداد دریافت فایل اصل مقاله | 22,868,583 |
شبکه های عصبی شعاعی آموزش یافته بر پایه متغیرهای مدلهای آماری و مقایسه آنها در پیش بینی ورشکستگی | ||
| دانش سرمایهگذاری | ||
| مقاله 9، دوره 2، شماره 7، مهر 1392، صفحه 149-166 اصل مقاله (735.88 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
علیرضا مهرآذین1؛ احمد زنده دل2؛ محمد تقی پور  3؛ امید فروتن4
| ||
| 1استادیار گروه حسابداری، دانشگاه آزاد اسلامی، واحد نیشابور | ||
| 2استادیار گروه آمار، دانشگاه آزاد اسلامی، واحد نیشابور | ||
| 3کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد نیشابور (مسئول مکاتبات) | ||
| 4کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد نیشابور | ||
| چکیده | ||
| امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیقتر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی با استفاده از آزمون دقیق فیشر و مک نمار، دقت آنها مورد مقایسه قرار گرفته است. نمونه مورد آزمون شامل شرکتهای عضو بورس اوراق بهادار تهران در بین سالهای 1383 تا 1390 میباشد. یافتهها نشان میدهند که هر سه مدل توانایی پیش بینی ورشکستگی را دارند و از بین آنها مدل آموزش یافته با متغیرهای مدل آلتمن دقیقتر از دو مدل دیگر قادر به انجام این امر است. | ||
| کلیدواژهها | ||
| هوش مصنوعی؛ شبکه عصبی مصنوعی؛ تابع شعاع مدار؛ ورشکستگی | ||
|
آمار تعداد مشاهده مقاله: 1,015 تعداد دریافت فایل اصل مقاله: 521 |
||
