این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
دوشنبه 24 آذر 1404
مدیریت فرهنگ سازمانی
، جلد ۱۵، شماره ۴، صفحات ۸۷۹-۹۰۱
عنوان فارسی
پیشبینی ورشکستگی مالی با استفاده از صورت جریان نقد: رهیافت شبکۀ عصبی مصنوعی
چکیده فارسی مقاله
بحران مالی شرکتهای بزرگ در دهۀ اخیر سبب گرایش اکثریت گروههای ذینفع به مدلهای پیشبینی ورشکستگی شده است. هدف اصلی این پژوهش ارزیابی محتوای اطلاعاتی نسبتهای صورت جریان وجه نقد در تشخیص ورشکستگی شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از شبکۀ عصبی مصنوعی است. جامعۀ آماری این پژوهش شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران در دورۀ زمانی از سالهای 1384 تا 1392 است. برای این منظور 84 شرکت شامل 42 شرکت ورشکسته و 42 شرکت سالم انتخاب شدند. شبکۀ عصبی این پژوهش پرسپترون سه لایه است که با روش الگوریتم پس انتشار خطا آموزش دیده است. براساس نتایج پژوهش، مدل شبکۀ عصبی با نسبت جریان نقدی عملیاتی به بدهیهای جاری، نسبت پوشش جریان نقدی عملیاتی به بهره، نسبت بازده نقدی داراییها، نسبت کیفیت سود و نسبت آنی بیشترین قدرت پیشبینی را نسبت به ورشکستگی شرکتها در ایران دارد. همچنین، یافتهها نشان میدهند که دقت پیشبینی مدل برای سال ورشکستگی 99 درصد و در مجموع مراحل ورشکستگی در یک، دو و سه سال قبل از ورشکستگی به ترتیب با دقت 91، 85 و 70 درصد است.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Predicting corporation bankruptcy using cash flow statement: applying artificial neural network
چکیده انگلیسی مقاله
Financial crisis of big companies during this decade led to introduce bankruptcy prediction models. The main objective of this study was to assess the information content of the cash flow of the companies listed in Tehran Stock Exchange bankruptcy detection using artificial neural networks. The population of this research firms listed in Tehran Stock Exchange for the period from 2005 to 2013 is the year. For this purpose, 84 companies including 42 companies' bankrupt and 42 healthy firms were selected. This three-layer perceptron neural network is trained using back-propagation algorithm. According to the results, the neural network model to current liabilities ratio of operating cash flow, operating cash flow to interest coverage ratio, cash return on assets ratio, the ratio of earnings quality expected instantaneous power in Iran is capable to bankruptcy. The findings also show that the model accurately predicted 99 percent of the total for the year of bankruptcy, insolvency procedures in two or three years before bankruptcy 91 and 85 and 70%, respectively, accurately predicts.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
سهیلا اسمعیلی |
کارشناسی ارشد، گروه مدیریت، دانشکدۀ علوم انسانی، دانشگاه آزاد اسلامی واحد نجفآباد، ایران
احمد گوگردچیان |
استادیار، گروه اقتصاد، دانشکدۀ علوم اداری و اقتصاد، دانشگاه اصفهان، ایران
نشانی اینترنتی
https://jomc.ut.ac.ir/article_64544_0b373cd9e9128629f91f519e4134bba6.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1084/article-1084-582582.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