عنوان پایان‌نامه
پیش بینی درماندگی مالی (Financial Distress) شرکت ها با استفاده از الگوریتم مورچگان (ACA)
- رشته تحصیلی
- مدیریت بازرگانی- بیمه
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61905
- تاریخ دفاع
- ۳۱ شهریور ۱۳۹۲
- دانشجو
- اصغر ارم
- استاد راهنما
- سعید فلاح پور
- چکیده
- پیش¬بینی درماندگی مالی شرکت¬ها یکی از موضوعات مهمی است که به موفقیت و تداوم حیات شرکت¬ها کمک زیادی می¬کند؛ زیرا با ارائه سیگنال¬های هشدار بر¬انگیز و به موقع می¬تواند شرکت¬ها را نسبت به وقوع درماندگی مالی و ورشکستگی هوشیار نماید و در نتیجه، با مدیریت صحیح از به هدر رفتن منابع و خسارت¬های ناشی از ورشکستگی جلوگیری شود. از جمله روش¬های هوشمند که اخیراً در حل مسائل پیش¬بینی و دسته¬بندی نتایج مطلوبی را به-همراه داشته، روش الگوریتم کلونی مورچگان(ACA) می¬باشد. پژوهش حاضر به مطالعه پیش¬بینی درماندگی مالی شرکت¬ها با استفاده از الگوریتم مورچگان می¬پردازد. جامعه آماری شامل شرکت¬های بورس اوراق بهادار تهران و نمونه مورد استفاده شامل 174 شرکت درمانده و سالم بوده است. متغیرهای پیش¬بین بر اساس نسبت¬هایی که در نتایج تحقیقات قبلی به عنوان متغیرهای اصلی پیش¬بینی در مدل پیش¬¬بینی آن ها ارائه شدند، انتخاب شدند. نتایج به دست آمده از تحقیق حاکی از آن است که روش ACA در پیش¬بینی درماندگی مالی شرکت¬ها، به طور معناداری نسبت به روش تحلیل تمایز چندگانه(MDA) از عملکرد بهتری برخوردار است.
- Abstract
- Financial distress prediction of companies is one of the important issues that can contribute to the success and survival of companies; because providing warning and timely signals can make companies aware of financial distress and bankruptcy and, therefore, by a correct management, they can prevent waste of resources and the damage caused by bankruptcy. Ant Colony Algorithm (ACA) is an intelligent method that was recently used to solve problems including classifications and predictions which had desired results. This study aims to investigate the financial distress prediction of companies using ant colony algorithm. The statistical population includes companies listed in Tehran Stock Exchange and the sample consists of 174 healthy and distressed companies. Predictor variables were selected from previous studies according to the ratios that were proposed as key variables in prediction model. The results of the study indicate that the ACA approach in predicting financial distress of companies had significantly better performance than multiple discriminant analysis (MDA). Key words: Financial Distress Prediction, multiple discriminant analysis (MDA), Ant Colony Algorithm (ACA)
