مقایسه قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 118
فایل این مقاله در 32 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:
JR_FAAR-5-17_002
تاریخ نمایه سازی: 15 اسفند 1401
چکیده مقاله:
امروزه پیشرفت سریع فن آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره ۱۳۸۹-۱۳۷۶، از بین شرکت های مشمول ماده ۱۴۱ قانون تجارت، ۷۲ شرکت و از بین بقیه شرکت ها نیز ۷۲ شرکت انتخاب شد. نتایج آزمون مک نمار برای تکنیک های الگوریتم ژنتیک غیرخطی و شبکه عصبی نشان می دهد که تفاوت معنی داری بین نتایج الگوریتم ژنتیک خطی و غیرخطی با شبکه عصبی وجود ندارد. اگر چه دقت پیش بینی الگوریتم ژنتیک غیرخطی(۹۰ درصد) و الگوریتم ژنتیک خطی(۸۰ درصد) بیشتر از شبکه عصبی(۷۰ درصد) است ولی این تفاوت از لحاظ آماری معنی دار نیست.
کلیدواژه ها:
نویسندگان
زهرا پورزمانی
استادیار دانشگاه آزاد اسلامی واحد تهران مرکزی
حسن کلانتری
کارشناس ارشد حسابداری دانشگاه آزاد اسلامی واحد تهران مرکزی
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 :