نمایش مختصر رکورد

dc.contributor.authorسارویی, سمیهfa_IR
dc.contributor.authorوکیلی فر, حمیدرضاfa_IR
dc.contributor.authorطالب نیا, قدرت اللهfa_IR
dc.date.accessioned1399-08-20T21:17:33Zfa_IR
dc.date.accessioned2020-11-10T21:17:33Z
dc.date.available1399-08-20T21:17:33Zfa_IR
dc.date.available2020-11-10T21:17:33Z
dc.date.issued2020-02-20en_US
dc.date.issued1398-12-01fa_IR
dc.date.submitted2018-11-19en_US
dc.date.submitted1397-08-28fa_IR
dc.identifier.citationسارویی, سمیه, وکیلی فر, حمیدرضا, طالب نیا, قدرت الله. (1398). پیش بینی خطر ورشکستگی با استفاده از شبکه های عصبی مصنوعی مبتنی بر رویکرد پرسپترون چندلایه(شواهد تجربی: بورس اوراق بهادار تهران). آینده پژوهی مدیریت, 30(4119)fa_IR
dc.identifier.issn1605-2749
dc.identifier.urihttp://jmfr.srbiau.ac.ir/article_16492.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/477814
dc.description.abstractدر پژوهش حاضر به شناسایی عوامل موثر بر پیش بینی ورشکستگی شرکتهای ایرانی با استفاده از سیستم شبکه های عصبی مصنوعی (ANN) بر مبنای رویکرد پرسپترون چندلایه (PS) و ارائه یک مدل آماری مناسب به منظور برآورد ورشکستگی شرکتهای ایرانی، با استفاده از یافته های حاصل از اجرای شبکه ANN پرداخته شده است. در پژهش حاضر به دنبال پاسخ گویی به این پرسش هستیم که آیا عوامل سودمند در راستای پیش بینی ورشکستگی شرکتهای ایرانی توسط سیستم شبکه عصبی مصنوعی قابل شناسایی است یا خیر . جامعه آماری در تحقیق حاضر تمامی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران هستند که با لحاظ نمودن معیارهایی و به روش حذف سیستماتیک تعداد 172 شرکت از این جامعه آماری در بازه زمانی 1386 الی 1395 بعنوان نمونه در تحقیق حاضر انتخاب شده اند. به منظور انجام تحلیل های آماری در پژوهش حاضر از روش سیستم شبکه های عصبی مصنوعی بر مبنای رویکرد پرسپترون چندلایه استفاده شده است. یافته های حاصل از تجزیه و تحلیل داده های پژوهش نشان می دهد که سیستم ANNقادر است با دقتی معادل 98 درصد عوامل تاثیر گذار بر ورشکستگی شرکتهای ایرانی را در سال قبل از ورشکستگی شناسایی نماید.fa_IR
dc.languageفارسی
dc.language.isofa_IR
dc.publisherدانشگاه آزاد اسلامی، واحد علوم و تحقیقاتfa_IR
dc.relation.ispartofآینده پژوهی مدیریتfa_IR
dc.subjectپیش بینی ورشکستگیfa_IR
dc.subjectریسک ورشکستگیfa_IR
dc.subjectشبکه های عصبی مصنوعیfa_IR
dc.titleپیش بینی خطر ورشکستگی با استفاده از شبکه های عصبی مصنوعی مبتنی بر رویکرد پرسپترون چندلایه(شواهد تجربی: بورس اوراق بهادار تهران)fa_IR
dc.typeTexten_US
dc.typeمقاله پژوهشیfa_IR
dc.contributor.departmentگروه حسابداری، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد کنگاور، کنگاور، ایران.fa_IR
dc.contributor.departmentگروه حسابداری، دانشکده اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران.fa_IR
dc.contributor.departmentدکترای حسابداری عضئ هیئت علمی دانشگاه آزاداسلامی واحد علوم و تحقیقات تهرانfa_IR
dc.citation.volume30
dc.citation.issue4119


فایل‌های این مورد

فایل‌هااندازهقالبمشاهده

فایلی با این مورد مرتبط نشده است.

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد