مقایسه کارایی مدل های یادگیری ماشین و مدل های آماری در پیش بینی ریسک مالی
محل انتشار: فصلنامه راهبرد مدیریت مالی، دوره: 11، شماره: 1
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 162
فایل این مقاله در 24 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_JFMZ-11-1_003
تاریخ نمایه سازی: 22 فروردین 1402
چکیده مقاله:
هدف این پژوهش، مقایسه کارایی مدل های یادگیری ماشین (۳۲ مدل) و مدل های آماری (۱۴ مدل)، در پیش بینی ریسک مالی ۱۴۵ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی ۱۳۸۹ تا ۱۳۹۸ و انتخاب بهترین مدل با استفاده از تکنیک های بهینه سازی پیشرفته می باشد. یافته های پژوهش با استفاده از آزمون مقایسه دقت ضرایب پیش بینی، بیانگر آن است که با اطمینان ۹۹ درصد، دقت پیشبینی مدلهای یادگیری ماشین، بیشتر از مدلهای آماری است. همچنین بهترین مدل یادگیری ماشین پس از بهینه سازی، مدل ماشین بردار پشتیبان تکاملی با دقت پیش بینی ۹۹.۸۶درصد و مقدار سطح زیر منحنی برابر۰.۹۹۸بوده است. علاوه بر این، نسبت های مالی تعهدی با دقت پیش بینی۹۹.۴۵درصد و نسبت های مالی فعالیت با دقت پیش بینی ۹۸.۶۲درصد توانستند در مقایسه با سایر نسبت های مالی در استفاده از ماشین بردار پشتیبان تکاملی به منظور پیش بینی ریسک مالی عملکرد بهتری داشته باشند. از سوی دیگر ریسک مالی پیش بینی شده بر اساس صنایع مختلف، متفاوت بوده است. بنابراین مشخص شد که مدل های یادگیری ماشین به دلیل عدم برخورداری از محدودیت هایی که مدل های آماری با آن مواجهه هستند می توانند به عنوان ابزاری مهم، در پیش بینی ریسک مالی شرکت ها به کار روند.
کلیدواژه ها:
نویسندگان
سامان توکلی
گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران
علی آشتاب
استادیار گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، 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 :