ارزیابی کارایی مدل های پیش بینی ورشکستگی برای شرکت های بورسی ایران
محل انتشار: همایش ملی نوآوری مالی و توسعه مالی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 557
فایل این مقاله در 10 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:
FIFD01_008
تاریخ نمایه سازی: 12 تیر 1395
چکیده مقاله:
پیش بینی ورشکستگی یکی از موضوعات اصلی طبقه بندی شرکت ها است. سرمایه گذاران، مالکان، مدیران، اعتباردهندگان و مؤسسات دولتی علاقه مندی به ارزیابی وضعیت مالی شرکت ها هستند، زیرا در صورت ورشکستگی هزینه های زیادی به آنها تحمیل می شود. این پژوهش نخست درصدد پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل های الگوریتم رقابت استعماری و الگوریتم ژنتیک و سپس مقایسه این ا لگوها، متناسب با شرایط محیطی ایران است. نمونه تحت بررسی شامل 38 شرکت ورشکسته طی دوره مالی 10 ساله بین سال های 83-92 است. متغیرهای نهایی مورد استفاده در الگوریتم رقابت استمعاریو الگوریتم ژنتیک 5 متغیر که شامل وجوه نقد حاصل از عملیات به بدهی، نسبت جاری، سود قبل از بهره و مالیات بهدارایی، بدهی بهدارایی و سود خالص به فروش خالص است. با توجه به نتایج، مدل الگوریتم رقابتی استعماری دقتی بیشتر و در نتیجه ابزار مناسب تری برای پیش بینی ورشکستگی محسوب می شود.
کلیدواژه ها:
الگوریتم رقابت استعماری ، پیش بینی ورشکستگی ، الگوریتم ژنتیک ، بورس اوراق بهادار تهران ، نسبت های مالی
نویسندگان
مائده بابایی کلاریجانی
گروه مدیریت، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران (نویسنده مسئول
مهدی مرادی
گروه حسابداری، دانشگاه فردوسی مشهد، ایران
محسن مفتوئیان
گروه حسابداری، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مرتضی فدائی
گروه حسابداری، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :