عنوان پایان‌نامه
پیش بینی درماندگی مالی شرکت ها با استفاده ازتئوری تلفیق اطلاعات طبقه بندی کننده ها در بورس اوراق بهادار تهران
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس البرز شماره ثبت: 746;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 70987
- تاریخ دفاع
- ۰۴ دی ۱۳۹۳
- دانشجو
- محمد توکلی
- استاد راهنما
- سعید فلاح پور
- چکیده
- پیشرفت سریع فناوری و تغییرات محیطی وسیع، شتاب فزاینده‌ای به اقتصاد بخشیده است. رقابت روز افزون بنگاه‌های اقتصادی، دست‌یابی به سود را محدود و احتمال ورشکستگی شرکت‌ها را افزایش داده است. با توجه به تأثیرات نامطلوب ورشکستگی بر بازار‌های سرمایه و اقتصاد، پژوهش¬گران و ذینفعان بر آن شدند تا با استفاده از رویکردهای مختلف، الگوهای پیش‌بینی درباره¬ی دورنمای کلی شرکت‌ها را توسعه داده و میزان زیان‌های وارده و تأثیرهای ناشی از آن را کاهش دهند. برای این منظور، تحقیقات متعددی در زمینه¬ی انتخاب نسبت‌های مالی و نحوه¬ی ترکیب آن‌ها جهت ارائه¬ی بهترین تخمین از وضعیت درماندگی مالی شرکت‌ها انجام شده است. در این تحقیق، راهکار جدیدی برای پیش‌بینی درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران ارائه شد. بدین منظور، ابتدا چندین مدل پیشنهاد شده توسط محققان انتخاب و ضرایب آن¬ها با استفاده از شبکه‌های عصبی مصنوعی اصلاح شد. مدل‌های انتخاب شده شامل مدل‌های آلتمن، السون، زیمسکی، شیراتا، فولمر، شبکه‌های بیز و نیز شبکه‌های عصبی بودند. سپس، نتایج هر یک از این مدل‌های اصلاح شده با استفاده از روش‌‌های رأی‌گیری اکثریت و عمل¬گر میانگین‌گیری مرتب وزن‌دار مطابق با تئوری تلفیق اطلاعات طبقه‌بندی‌کننده‌ها، ترکیب شده و خروجی مطلوب حاصل شد.
- Abstract
- In today’s world, security of capital investment is one of the most important concerns for existing economic environment. Insurance of productive capital investment and reducing economic risk causes more fundraising and therefore brings greater economic boom cycle. One way to arrive capital investment security is to predict bankruptcy of a business unit. Predicting possibility of a company’s bankruptcy not only can prevent losing the principle and capital interest of investing, but also facilitates important decision makings. Considering the importance of the issue, this research tries apply the data fusion methods to solve the bankruptcy prediction problem. First of all, previous models proposed on the specialized literature such as Altman, Ohelson, Zemijewski, Shirata, Foulmer, and Bayese are reviewed. Then an Artifitial neural network based algorithm is employed to modify the described models within firm obtained from Tehran Stock Exchange (TSE). Besides these, a new artificial neural network based model is also proposed which cover almost all of the financial ratios reported in the above models. Finally, two data fusion methods including majority voting and Ordered Weighted Averaging method are applied to the mentioned models, followed by a discussion on results. The numerical studies and sensitivity analysis shown that bankruptcy prediction of the data fusion based methods is better than the entire studied models..
