عنوان پایان‌نامه
پیش بینی ورشکستگی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم ژنتیک
- رشته تحصیلی
- مدیریت بازرگانی - بازاریابی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس قم شماره ثبت: 001342;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 52151;کتابخانه پردیس قم شماره ثبت: 001342
- تاریخ دفاع
- ۱۹ اسفند ۱۳۸۹
- دانشجو
- محبوبه محمودی
- استاد راهنما
- سیدمحمد محمودی, غلامرضا جندقی
- چکیده
- با توجه به تغییرات محیطی و رقابتی روزافزون، تصمیم گیری مالی نسبت به گذشته اهمیت بیشتری یافته و مدیران را وادار ساخته تا با بهره‌گیری از روش‌های جدید، به پیش‌بینی وضعیت آینده بپردازند.امروزه شناخت عوامل تأثیرگذار بر موفقیت و عدم موفقیت شرکت‌ها و آگاهی از نحوه تأثیر آن‌ها، مورد علاقه کلیه افراد ذینفع، بخصوص مدیران، سرمایه گذاران و اعتباردهندگان می‌باشد. هدف ما از این پژوهش پیش‌بینی ورشکستگی در شرکتهای پذیرفته شده در بازار بورس تهران با استفاده از الگوریتم ژنتیک است. این تحقیق، یک تحقیق توصیفی-پیمایشی است و از نوع هدف کاربردی می‌باشد. دراین راستا پس از جمع‌آوری اطلاعات مالی شرکت‌ها، به طراحی و اجرای الگوریتم ژنتیک روی نمونه آموزشی که متشکل از 135 شرکت پذیرفته شده در بازار بورس تهران بود، پرداختیم. نتایج حاصل از اجرای الگوریتم ژنتیک نشان داد که چهارمتغیر «حقوق صاحبان سهام به کل دارایی ها»، «سود و زیان انباشته به کل دارایی ها»، «فروش به کل دارا یی‌ها »و «بهای تمام شده به موجودی کالا» در پیش‌بینی ورشکستگی مؤثر می‌باشند. هم‌چنین، مدل الگوریتم ژنتیک پیشنهادی توانست شرکت های موجود در نمونه آزمایشی که شامل 55 شرکت بود را با دقت 94.55 درصد به درستی در دو گروه ورشکسته و غیرورشکسته طبقه‌بندی نماید.
- Abstract
- Abstract Regarding environmental changes and increasingly competition, financial decision-making has mattered more than ever and it has obliged managers to forecast future by using new techniques. Today, all stakeholders particularly managers, investors and creditors are interested in recognizing affecting factors on companies success or failure. The aim of present paper is to forecast bankruptcies in the registered companies at Tehran Exchange Market by using a genetic algorithm. This is a descriptive – survey study and it is an applied research in terms of its goal. In this line, we devised and executed a genetic algorithm on a training sample after gathering the information of such companies. Training group includes 135 firms. The results of genetic algorithm execution showed that four affecting factors on bankruptcy forecasting include shareholder's equity to total assets, retained gain and loss to total assets, sale to total assets and cost to inventory. In the meantime, genetic algorithm could rank the test sample that include 55 companie, with 94.55% correctness to two bankrupted and non-bankrupted groups. Keywords: bankruptcy, genetic algorithm, financial ratios
