پیش بینی ورشکستگی مالی شرکت های بورس اوراق بهادار تهران با استفاده از شبکههای عصبی مصنوعی
عنوان مقاله: پیش بینی ورشکستگی مالی شرکت های بورس اوراق بهادار تهران با استفاده از شبکههای عصبی مصنوعی
شناسه ملی مقاله: JR_IMJT-2-1_010
منتشر شده در در سال 1389
شناسه ملی مقاله: JR_IMJT-2-1_010
منتشر شده در در سال 1389
مشخصات نویسندگان مقاله:
محمدرضا نیک بخت - دانشگاه تهران
مریم شریفی - دانشگاه تهران
خلاصه مقاله:
محمدرضا نیک بخت - دانشگاه تهران
مریم شریفی - دانشگاه تهران
هدف اصلی این مقاله پیشبینی ورشکستگی مالی شرکتها در بورس اوراق بهادار تهران به وسیلهی شبکههای عصبی مصنوعی است. مقادیر میانگین مربوط به نسبتهای مالی کلیدی در پژوهشهای صورت گرفته در پیشینه موضوع بهعنوان ورودی شبکههای عصبی انتخاب شدهاند. شبکه عصبی بهکار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیدهاند و شامل شبکه عصبی پیشخور سه لایه با ترکیب (۱ : ۴ : ۵) در آرایش نرونهای ورودی، میانی و خروجی است. نمونه مورد نظر شامل دو گروه شرکتهای ورشکسته و غیر ورشکسته است. گروه ورشکسته بر مبنای ماده ۱۴۱ قاتون تجارت طی سالهای ۱۳۷۸ لغایت ۱۳۸۵ انتخاب شدهاند و گروه غیرورشکسته نیز بهصورت تصادفی انتخاب شدهاند. مجموعهای مساوی از دادههای فوق با استفاده از شبکههای عصبی و تحلیل تمایزی چندگانه مورد تحلیل قرار گرفتند. مقایسه توانمندی پیشبینیهای شبکه عصبی و تحلیل تمایزی چندگانه نیز ارایه شده است. همچنین صحت پیشبینی شبکههای عصبی با استفاده از نمودار ROC ارائه شده است. نتایج نشان دادند که تفاوت معناداری بین MDA و ANN وجود دارد. همچنین طبق نتایج کم بودن خطای نوع اول بر خطای نوع دوم پیشبینی اولویت دارد.
کلمات کلیدی: الگوریتم یادگیری پس انتشار خطا (BP), بورس اوراق بهادار تهران., پیش بینی ورشکستگی, مدل شبکههای عصبی مصنوعی (ANN)
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1741154/