پیش بینی ورشکستگی شرکت ها با استفاده از الگوریتم های طبقه بندی و مدلهای ترکیبی الگوریتم ها
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,445
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITICS01_066
تاریخ نمایه سازی: 12 فروردین 1391
چکیده مقاله:
طبق پژوهشهای گذشته دقت مدلهای مختلف آماری و هوش مصنوعی به منظور پیش بینی ورشکستگی شرکت ها متفاوت بوده است و لذا انجام پژوهشهای مقایسه ای به منظور تعیین دقت هریک از مدلها می تواند جذاب باشد دراین پژوهش با کمک ابزار داده کاوی که می توانددر برگیرنده مجموعه ای از مدلهای مختلف باشد به ازمون توان پیش بینی پرکاربردترین مدلهای پیش بینی ورشکستگی و درماندگی مالی استفاده شده در پژوهشهای مختلف از قبیل شبکه عصبی رگرسیون لجستیک، ماشین بردار پشتیبان شبکه های بیزین درخت های تصمیم QUEST,CHID,C5,CART پرداخته شدها ست دراین پژوهش ابتدا الگوریتمهای طبقه بندی به لحاظ میزان صحت در پیش بینی ورشکستگی اولویت بندی می شود و سپس با ترکیب الگوریتمهایی که بالاترین میزان دقت را دارند بهترین مدل جهت پیش بینی ورشکستگی گزینش می شود نتایج بیانگر آن است که ترکی بمدلها دردووضعیت QUEST,C5 و QUEST,NN,CHAID,C5 برای پیش بینی شرکتهای ورشکسته و سالم در سال t سال t برای شرکتهای ورشکسته سال ورشکستگی برای شرکتهایسالم سال قرار گرفتن در نمونه است از صحت بالاتری برخوردار است.
کلیدواژه ها:
داده کاوی spss clementine12.0 پیش بینی ورشکستگی
نویسندگان
مهناز آهنگری
دانشگاه آزاد اسلامی دانشجوی کارشناسی ارشد حسابداری نیشابور
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :