Skip to main content
فهرست مقالات

پیش‌بینی درماندگی مالی شرکت‌ها با استفاده از الگوریتم کلونی مورچگان

نویسنده:

علمی-پژوهشی (وزارت علوم)/ISC (22 صفحه - از 347 تا 368)

کلیدواژه ها :

پیش‌بینی درماندگی مالی ،الگوریتم کلونی مورچگان ،تحلیل تمایز چندگانه

Ant Colony Algorithm ،financial distress prediction ،multiple discriminant analysis

کلید واژه های ماشینی : پیش‌بینی درماندگی مالی شرکت ، الگوریتم کلونی مورچگان ، روش الگوریتم کلونی مورچگان ، دقت پیش‌بینی الگوریتم کلونی مورچگان ، روش هـای الگـوریتم کلونی مورچگان ، بینی درماندگی مالی شرکت ، پیش‌بینی روش هـای الگـوریتم کلونی ، پیش‌بینی روش الگوریتم کلونی مورچگان ، میانگین دقت کلی پیش‌بینی روش ، الگوریتم کلونی مورچگان در پیش‌بینی

پیش‌بینی درماندگی مالی شرکت‌ها یکی از موضوعات مهمی است که به موفقیت و تداوم حیات شرکت‌ها کمک زیادی می‌کند. از جمله روش‌های هوشمندی که اخیرا در حل مسائل پیش‌بینی و دسته‌بندی نتایج مطلوبی را به‌همراه داشته، روش الگوریتم کلونی مورچگان است. پژوهش حاضر به مطالعه پیش‌بینی درماندگی مالی شرکت‌ها با استفاده از الگوریتم کلونی مورچگان می‌پردازد. جامعه آماری شامل شرکت‌های بورس اوراق بهادار تهران و نمونه استفاده‌شده شامل 174 شرکت درمانده و سالم بوده است. متغیرهای پیش‌بین بر‌اساس نسبت‌هایی انتخاب شدند که در نتایج تحقیقات قبلی به‌عنوان متغیرهای اصلی پیش‌بینی در مدل پیش‌بینی آنها ارائه شدند. مدل مقایسه‌ای استفاده‌شده در این پژوهش، مدل تحلیل ممیز چندگانه است. نتایج به‌دست‌آمده از تحقیق بیانگر آن است که روش الگوریتم کلونی مورچگان در پیش‌بینی درماندگی مالی شرکت‌ها، به‌طور معناداری نسبت به روش تحلیل ممیز چندگانه عملکرد بهتری دارد.

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).


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.