عنوان پایان‌نامه
پیش بینی درماندگی شرکتهای بورسی از طریق الگوریتم ژنتیک و شبکه های عصبی
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس البرز شماره ثبت: 494;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68879
- تاریخ دفاع
- ۱۵ مهر ۱۳۹۳
- دانشجو
- پیام شاه علی
- استاد راهنما
- رضا تهرانی
- چکیده
- توسعه الگوهای ارزیابی، پیش¬بینی درماندگی و ورشکستگی مالی به عنوان یک موضوع مهم همواره مورد توجه فعالان بازارهای مالی بوده است. ارزیابی درماندگی مالی می¬تواند اثر مهمی بر تصمیم¬های فعالان بازار مالی از جمله مدیران شرکت¬ها در زمینه مدیریت بهینه دارایی و بدهی، سرمایه گذاران جهت تشکیل پرتفولیوی از شرکت¬های سالم و اعتبار دهندگان جهت تخصیص اعتبار داشته باشد. در این راستا پژوهش حاضر به پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل ترکیبی پرداخت. در این تحقیق به منظور شناسایی شرکت های درمانده از اصل 141 قانون تجارت استفاده شده و هر شرکت مشمول این قانون به عنوان شرکت درمانده در نظر می گرفته شد. جهت پیش بینی درماندگی مالی از ? نسبت مالی استفاده شد. نتیجه تحقیق نشان داد که پیش بینی درماندگی مالی با استفاده از مدل ترکیبی در محیط اقتصادی ایران امکان پذیر است.
- Abstract
- Development of assessment models, and financial distress and bankruptcy prediction has been an important issue for financial markets activists. Assessment of financial distress can have a significant effect on the decision of financial markets activists, including corporate managers, on the optimal management of assets and liabilities, investors, on forming portfolios of healthy companies, and creditors, on having a valid allocation. In this regard, the research predicts financial distress of listed companies in Tehran stock exchange using genetic algorithm and neural network as a hybrid model. In this study, in order to identified distress corporate used 141 of the Commercial Code.5 financial ratios were used to predict financial distress. Research results indicated that financial distress prediction using hybrid model is possible on Iran's economic environment.
