این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۲، شماره ۴، صفحات ۰-۰
عنوان فارسی پیش‌بینی ورشکستگی مالی شرکت‌های بورس اوراق بهادار تهران با استفاده از شبکه‎های عصبی مصنوعی
چکیده فارسی مقاله هدف اصلی این مقاله پیش‎بینی ورشکستگی مالی شرکت‎ها در بورس اوراق بهادار تهران به وسیله‎ی شبکه‎های عصبی مصنوعی است. مقادیر میانگین مربوط به نسبت‎های مالی کلیدی در پژوهش‎های صورت گرفته در پیشینه موضوع به‎عنوان ورودی شبکه‎های عصبی انتخاب شده‎اند. شبکه عصبی به‎کار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیده‎اند و شامل شبکه عصبی پیش‎خور سه لایه با ترکیب (1 : 4 : 5) در آرایش نرون‎های ورودی، میانی و خروجی است. نمونه مورد نظر شامل دو گروه شرکت‎های ورشکسته و غیر ورشکسته است. گروه ورشکسته بر مبنای ماده 141 قاتون تجارت طی سال‎های 1378 لغایت 1385 انتخاب شده‎اند و گروه غیرورشکسته نیز به‎صورت تصادفی انتخاب شده‎اند. مجموعه‎ای مساوی از داده‎های فوق با استفاده از شبکه‎های عصبی و تحلیل تمایزی چندگانه مورد تحلیل قرار گرفتند. مقایسه توانمندی پیش‎بینی‎های شبکه عصبی و تحلیل تمایزی چندگانه نیز ارایه شده است. همچنین صحت پیش‎بینی شبکه‎های عصبی با استفاده از نمودار ROC ارائه شده است. نتایج نشان دادند که تفاوت معناداری بین MDA و ANN وجود دارد. همچنین طبق نتایج کم بودن خطای نوع اول بر خطای نوع دوم پیش‎بینی اولویت دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Predicting corporate bankruptcy using Artificial Neural Networks (ANN) in Tehran Stock Exchange (TSE
چکیده انگلیسی مقاله The main purpose of this paper is prediction of TSE corporate financial bankruptcy using Artificial Neural Networks. The mean values of key ratios reported in past bankruptcy studies were selected for neural network inputs (Working capital to total assets, Net income to total assets, Total debt to total assets, Current assets to current liabilities, Quick assets to current liabilities). The neural network used in this paper is Multilayer Perceptron (MLP) that trained with back propagation algorithm, and contained three-layer feed forward neural network with 5,4,1 number of neurons in input, hidden and output layer respectively. The samples of this paper consist of bankrupt and non-bankrupt groups. Bankruptcy group was Manufacturing Corporations that were included Article 141 of Mercantile law within 1378-1385 and non-bankruptcy group selected by random sampling. The same set of data is analyzed using more traditional method of bankruptcy prediction, multivariate discriminate analysis. A comparison of the predictive abilities of both the neural network and the discriminate analysis method was presented. Also, prediction accuracy of neural network is presented by ROC curve. The results showed that there is significant difference between MDA and ANN, Also, according to the results, lower error type 1 has priority to error type 2.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدرضا نیک بخت | mohammad reza
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مریم شریفی |
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://imj.ut.ac.ir/article_21316_65094e493efc522e87226561f700e262.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1082/article-1082-209896.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات