عنوان پایان‌نامه
" استفاده از الگوریتم کرم شب تاب برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
- رشته تحصیلی
- مهندسی مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73742;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73742
- تاریخ دفاع
- ۱۸ بهمن ۱۳۹۴
- دانشجو
- علی مایلی
- استاد راهنما
- رضا عیوضلو
- چکیده
- پیش بینی درماندگی مالی شرکتها هم اکنون یکی از مهمترین مسائل تحقیقاتی در حوزه مدیریت ریسک است که همواره مورد توجه بانکها، شرکتها، مدیران و سرمایه گذاران بوده است. اگرچه تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدلهای ترکیب شده ی انتخاب ویژگی و مدل طبقه بندی کننده از مسائلی می‌باشد که فقط در سالهای اخیر توجه پژوهشگران را به خود جلب کرده است. هدف اصلی این پژوهش ارائه یک مدل پیشبینی کننده با عملکرد بالا و مقایسه نتایج حاصل از آن با دیگر مدلهای رایج در پیشبینی درماندگی مالی می باشد. به همین منظور از روش ترکیبی شبکه عصبی بر پایه الگوریتم بهینه سازی کرم شبتاب استفاده شده است. همچنین از مدل شبکه عصبی و مدل رگرسیون لجستیک که یکی از مدلهای آماری طبقه‌بندی است نیز استفاده شده است. نتایج بدست آمده نشان میدهد که روش ترکیبی شبکه عصبی بر پایه الگوریتم بهینه سازی کرم شبتاب از عملکرد بالاتری نسبت به مدل شبکه عصبی و همچنین مدل رگرسیون لجستیک برخوردار است.
- Abstract
- Financial distress prediction is now one of the most important research issues in the field of risk management is considered by banks, corporations, managers and investors, respectively. Although much research has been done in this area, but combined use of models and model feature selection classification of issues which in recent years has attracted the attention of researchers. The main objective of this study is to provide a high-performance predictive models and compare the results with other models in the prediction of financial distress is common. Therefore, the combination of neural network based optimization algorithm is used firefly. The neural network model and the logistic regression model, which is a classification of statistical models have been used. The results show that the hybrid method based on neural network optimization algorithm firefly of the higher neural network model and the logistic regression model was.
