این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات حسابداری و حسابرسی، جلد ۶، شماره ۲۳، صفحات ۱۲۰-۱۴۳
عنوان فارسی مقایسه الگوریتم مورچگان با روش های تحلیل تمایزی چندگانه و لوجیت درپیش بینی درماندگی مالی
چکیده فارسی مقاله در این تحقیق، مدل الگوریتم مورچگان [1]با دو مدل پارامتریک تحلیل تمایزی چندگانه[2] و لوجیت[3]برای پیش بینی درماندگی مالی مقایسه شده است، ضمن آنکه ازمدل ها برای داده کاوی[4] متغیرهای برتر در پیش بینی درماندگی مالی استفاده شده است وداده های 130 شرکت در بین سالهای 84 تا89 در قالب دو آزمایش بکارگرفته شد. آزمایش اول مبتنی می باشد بر 130سال- شرکت از طول دوره تحقیق، مشتمل بر 40 سال- شرکت درمانده مشمول ماده 141 و 90سال- شرکت غیردرمانده که مشمول ماده141 نبوده اند. از بررسی های این آزمایش بر پایه 15 متغیر با داده کاوی هر سه روش تحقیق، متغیرهای برتر مدل ها بدست آمد که عبارتند از سود قبل از هزینه مالی و مالیات به کل دارایی ها و نسبت حقوق صاحبان سهام به کل دارایی ها. بر اساس متغیرهای برتر آزمایش اول، به آزمون دوم پرداخته شد که مبتنی بر نمونه ای بوده است مشتمل بر همه شرکت های آزمایش اول در همه سالهای دوره تحقیق که در بورس حضور داشتند و شامل 718 سال - شرکت می شدند. درصدموفقیت پیش بینی درماندگی مالی برای الگوریتم مورچگان96.94%(درمانده:95.21%، غیردرمانده:97.38%)، برای تحلیل تمایزی چندگانه95.82%(درمانده: 82.88%، غیردرمانده: 99.13%) و برای لوجیت97.08%(درمانده: 88.36، غیردرمانده: 99.30) بدست آمده است. نتایج نشان می دهد که در سطح 5% اهمیت، مدل مورچگان برتر ازتحلیل تمایزی می باشد و در سطح 9% ، برتر از لوجیت می باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of Ant Colony Algorithm (ACA) with MDA & LOGIT Methods in Financial Distress Prediction
چکیده انگلیسی مقاله In this research, the Ant colony algorithm(ACA) was compared with two parametric models of multiple discriminant analysis (MDA) and LOGIT for predicting of financial distress, meanwhile, models were applied for data mining directed to superior variables in financial distress prediction. data of 130 companies from 2005 to 2010 in form of two experiments were used. The first experiment was based on distressed companies that fell under article 141, and non-distressed companies that did not fall article 141. This experiment included 130 year company and was done in two training and control samples each consisted 65 companies. By studying the results of this experiment based on 15 variables with using data mining by each of three models, two superior variables of models were obtained including earnings before financial expenses and taxes to total assets and net worth to total assets. Based on superior variables in the first experiment, the second experiment was performed that was based on a sample including all of companies in the first experiment in all years of study that were among domestic listed companies and included 718 year company. The percent of financial distress prediction's success for ACA was 96.94% (distressed: 95.21%, non-distressed: 97.38%), for MDA was 95.82 (distressed: 82.88%, non-distressed: 99.13%) and for LOGIT was 97.08% (distressed: 88.36%, non-distressed: 99.30%). The results have shown that Ant Colony Algorithm in financial distress prediction is significantly superior than MDA (5%) and is significantly superior than LOGIT (9%).
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فرزین رضایی |
استادیار حسابداری دانشگاه آزاد اسلامی- واحد قزوین

بابک نژاد تولمی |
دانشجوی دکتری تخصصی حسابداری – مدرس دانشگاه

نشانی اینترنتی http://www.iaaaar.com/article_104350_680ece813dd742ac5d21e8b5b2b44759.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/696/article-696-2312341.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