تعداد نشریات | 25 |
تعداد شمارهها | 932 |
تعداد مقالات | 7,652 |
تعداد مشاهده مقاله | 12,494,894 |
تعداد دریافت فایل اصل مقاله | 8,886,366 |
مدل نوین هشدار زودهنگام سلامت مالی شرکت ها با رویکرد الگوریتم ترکیبی خفاش عصبی | ||
راهبرد مدیریت مالی | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 اسفند 1401 اصل مقاله (1.06 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22051/jfm.2020.29173.2260 | ||
نویسندگان | ||
رضا تهرانی1؛ سید مجتبی میرلوحی2؛ سعید شیرکوند3؛ مسعود راهی* 4 | ||
1دانشیار مدیریت مالی دانشگاه تهران | ||
2عضو هیات علمی دانشگاه صنعتی شاهرود | ||
3عضو هیات علمی دانشگاه تهران | ||
4دانشجوی دکتری پردیس البرز دانشگاه تهران | ||
چکیده | ||
اغلب ذینفعان و مدیران بنگاه های اقتصادی علاقمند به داشتن ابزارهایی هستند تا از طریق آن ها بتوانند سلامت مالی و تداوم فعالیت شرکت ها را ارزیابی و پیش بینی نمایند. هدف این پژوهش طراحی یک مدل نوین هشدار زودهنگام برای پیش بینی سلامت مالی شرکت ها با رویکرد الگوریتم ترکیبی خفاش- عصبی می باشد. جامعه آماری پژوهش، شامل شرکت های تولیدی سهامی عام در ایران، و نمونه استفاده شده شامل 80 شرکت سالم و ورشکسته ی پذیرفته شده در بورس و اوراق تهران مشمول ماده 141 قانون تجارت بین سال های 1386 تا 1395 می باشد. پس از بررسی آماری 20 نسبت مالی تعداد 12 نسبت مالی بعنوان متغیر توضیحی در مدل پیشنهادی استفاده گردید. در این پژوهش، از شبکه عصبی چندلایه و مدل تحلیل ممیز چندگانه آلتمن بعنوان مدل های مقایسه ای برای ارزیابی مدل استفاده شده است. نتایج حاصل از آزمون فرضیه های پژوهش نشان می دهد دقت مدل ترکیبی خفاش-عصبی بطور معناداری بالاتر از روش شبکه عصبی چندلایه پس انتشار و مدل آلتمن برای پیش بینی سلامت مالی شرکت ها می باشد. مدل پیشنهادی قادر به شناسایی نشانه های عدم سلامت مالی شرکت ها از یک تا سه سال قبل از وقوع ورشکستگی می باشد. | ||
کلیدواژهها | ||
سلامت مالی؛ الگوریتم خفاش؛ شبکه عصبی چندلایه؛ ورشکستگی | ||
عنوان مقاله [English] | ||
A Novel Early Warning Model for Companies’ Financial Health Status Using Hybrid BAT-ANN Model | ||
نویسندگان [English] | ||
Reza Tehrani1؛ Seyed Mojtaba MirLohi2؛ Saeed Shirkavand3؛ Masoud Rahi4 | ||
1Faculty member at University of Tehran | ||
2Faculty member at Shahrood University of Technology | ||
3Faculty at Tehran University | ||
4Financial management Ph.D Candidate at ,University of Tehran | ||
چکیده [English] | ||
Most managers, shareholders, creditors, and other stakeholders are looking for the practical tools to evaluate and predict companies' financial health. Having such models give them enough time to make right decisions before falling into the bankruptcy. In the following research, a new early warning model for prediction of companies' financial health using hybrid Bat Artificial neural network developed. The research population encompasses Iranian public manufacturing companies, and sample used in the model includes 80 random healthy and bankrupt manufacturing companies listed in the Tehran stock market from 2008 to 2017. Also, for developing the model, 12 various and independent financial ratios as explanatory variables employed. For performance evaluation, the outputs of suggested hybrid BAT-ANN model compared to the Altman model and back-propagation artificial neural networks. The proposed model is able to predict signs of companies' financial unhealthiness up to 3 years before the failure. The statistical evidence demonstrated that the hybrid model outperformed the other two models at 5% significant level. | ||
کلیدواژهها [English] | ||
Financial Health, Bat Algorithm, Artificial Neural Network, Bankruptcy | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 458 تعداد دریافت فایل اصل مقاله: 205 |