عنوان پایان‌نامه
کاربرد روش انتخاب ویژگی هارک ( harc ) در پیش بینی درماندگی مالی شرکت ها در بورس اوراق بهادار تهران
- رشته تحصیلی
- مهندسی مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77381;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77381
- تاریخ دفاع
- ۰۷ شهریور ۱۳۹۵
- دانشجو
- مائده تاج مزینانی
- استاد راهنما
- سعید فلاح پور
- چکیده
- درماندگی مالی و ورشکستگی هزینه های زیادی به همراه دارد که صدمات جبران ناپذیری به اقتصاد یک کشور وارد می کند، یکی از راه هایی که می تواند به جلوگیری از درماندگی مالی کمک شایان توجهی کند پیش بینی درماندگی مالی می باشد. یکی از مسائل مهم در پیش بینی درماندگی مالی، انتخاب ویژگی می باشد. در این پژوهش رویکردی جدید برای انتخاب ویژگی با استفاده از دسته بندی نسبتهای مالی و ترکیب روش های آماری با الگوریتم های فراابتکاری ارائه شده است. در این پژوهش شرکت های تولیدی که در بازه زمانی 1380 تا1390 مشمول ماده 141 قانون تجارت شده اند به عنوان درمانده مالی و به همان تعداد شرکت سالم به صورت تصادفی از شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شده اند و نسبت های مالی آن ها برای یک تا سه سال قبل از درماندگی با استفاده از نرم افزار ره آورد نوین و صورت های مالی حسابرسی شده شرکت ها جمع آوری شده است. نتایج بدست آمده از تحقیق حاکی از آن است که روش پیشنهادی هارک در یک و دو سال پیش از وقوع درماندگی به طور معناداری در پیش بینی درماندگی مالی نسبت به رگرسیون لجستیک و مدل آلتمن از عملکرد بهتری برخوردار است.
- Abstract
- Financial distress and bankruptcy cost a lot that impose irrecoverable damages to the economy of a country, one of the ways which can help to avoid financial distress significantly is predicting financial distress. one of the major issues in predicting financial distress is feature selection. Research ahead provides a new approach to feature selection using the classification of financial ratios based on financial semantics and a combination of statistical methods with meta-heuristic algorithms. In this research, manufacturing companies which are under the paragraph 141 of Iran trade Law between 2001 and 2011, are considered distressed and the same number of healthy companies listed in Tehran stock exchange (TSE) are sampled randomly. Their financial ratios are collected for one to three years prior to distress based on the audited financial statements and Rahavard Novin software. Results showed that proposed HARC method significantly outperforms logistic regression and Altman model for one and two years prior to distress in predicting financial distress
