استفاده از روش ترکیبی انتخاب ویژگی پیدرپی پیشرو شناور و ماشین بردار پشتیبان در پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
محل انتشار: فصلنامه تحقیقات مالی، دوره: 20، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 101
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-20-3_002
تاریخ نمایه سازی: 20 بهمن 1400
چکیده مقاله:
هدف: پیشبینی درماندگی مالی شرکتها، یکی از مهمترین مسائل تحقیقاتی در حوزه مدیریت ریسک بوده و همواره در کانون توجه بانکها، شرکتها، مدیران و سرمایهگذاران قرار داشته است. هدف اصلی این پژوهش ارائه یک مدل پیشبینی کننده با عملکرد بالا و مقایسه نتایج بهدست آمده از آن با سایر مدلهای رایج در پیشبینی درماندگی مالی است. روش: به همین منظور از روشهای انتخاب ویژگی پیدرپی پیشرو شناور که مدل تعمیمیافته روش انتخاب ویژگی پیشرو پیدرپی بوده و از دسته روشهای پوششدهنده است و روش انتخاب ویژگی پیشرو پیدرپی در ترکیب با ماشین بردار پشتیبان استفاده شد. این مدلها از نوع مدلهای ترکیبی انتخاب ویژگی و طبقهبندی کننده هستند. همچنین در این پژوهش از مدل رگرسیون لجستیک که یکی از مدلهای آماری طبقهبندی است نیز استفاده شده است. یافتهها: پس از بررسی نسبتهای مالی مهم در نهایت ۲۹ نسبت مالی که در تحقیقات گذشته بیشتر استفاده شده بودند، انتخاب گردیند. آزمون مقایسات زوجی نشان می دهد که دقت مدل پیشنهادی این پژوهش با سطح اطمینان ۹۵ درصد بهتر از دیگر مدل های استفاده شده در این پژوهش می باشد. نتیجهگیری: نتایج نشان داد که مدل پیشنهادی این تحقیق در یک سال، دو سال و سه سال قبل از درماندگی مالی به طور معناداری از عملکرد بهتری در پیش بینی درماندگی مالی نسبت به روش انتخاب ویژگی پیشرو پی درپی و مدل رگرسیون لجستیک برخوردار است.
کلیدواژه ها:
نویسندگان
سعید فلاح پور
استادیار، گروه مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
رضا راعی
استاد، گروه مدیریت مالی، دانشکده مدیریت دانشگاه تهران، تهران، ایران
عیسی نوروزیان
دانشجوی کارشناسی ارشد، گروه مهندسی مالی، دانشگاه تهران، تهران، ایران
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 :