چکیده:
هدف اصلی این پژوهش طراحی مدلی جهت پیشبینی مضیقه مالی شرکتهای صنعت فلزات اساسی، کانیهای غیرفلزی و ماشینآلات و تجهیزات با استفاده از مدل Bagging میباشد. همچنین سعی میگردد توانمندی این مدل از لحاظ دقت پیشبینی با مدلهای پیشیبینی درخت تصمیم و بیز نیز مقایسه گردد. جامعه آماری این پژوهش را کلیه شرکتهای هر یک از این صنایع تشکیل میدهد. معیار بکارگرفته شده برای تعیین مضیقه مالی شرکتها، ماده 141 قانون تجارت ایران میباشد و قلمرو زمانی پژوهش را سالهای 1380 تا 1395 تشکیل میدهد.
در این پژوهش ابتدا عملکرد هر یک از این دو مدل طراحی شده (Bagging و مدل پایه آن) بر حسب هر صنعت مقایسه گردید. نتایج این مقایسه نشان داد که به طور متوسط برای هر یک از این صنایع، مدل Bagging دارای دقت پیشبینی بالاتری نسبت به مدل پایه آن یعنی درخت تصمیم و بیز است. علاوه بر این با عنایت به نتایج بدست آمده حاصل از اجرای این مدلها برای هر یک از این صنایع، میتوان چنین نتیجهگیری کرد که هریک از مدلهای Bagging، درخت تصمیم و بیز روش مناسبی برای پیشبینی مضیقه مالی شرکتهای این صنایع میباشند.
خلاصه ماشینی:
بررسي تأثير Bagging بر دقت پيش بيني مدلهاي پيش بيني مضيقه مالي شرکت ها به تفکيک صنايع و مقايسه توانمندي آن با مدلهاي درخت تصميم و بيز 1 زهره عارف منش 2 وحيد زارع مهرجردي تاريخ دريافت مقاله :٩٦/١١/٢٣ تاريخ پذيرش مقاله :٩٧/٠٤/١٠ عليرضا محمدي ندوشن ٣ چکيده : هدف اصلي اين پژوهش طراحي مدلي جهت پيش بيني مضيقه مالي شرکت هاي صنعت فلزات اساسي، کانيهاي غيرفلزي و ماشين آلات و تجهيزات با استفاده از مدل Bagging ميباشد.
نتايج اين مقايسه نشان داد که به طور متوسط براي هر يک از اين صنايع ، مدل Bagging داراي دقت پيش بيني بالاتري نسبت به مدل پايه آن يعني درخت تصميم و بيز است .
لذا در اين پژوهش سعي ميشود که با استفاده از مدل Bagging که يکي از روشهاي تلفيقي است و همچنين مدلهاي درخت تصميم و بيز، الگوي پيش بيني مضيقه مالي مناسب براي هر يک از اين صنايع ، طراحي و توانمندي آنها از لحاظ دقت پيش بيني با يکديگر مقايسه گردد.
(به تصویر صقحه مراجعه شود) شکل ٣: دقت پيش بيني مدل Bayes-bagging براي صنعت فلزات اساسي بر حسب تغيير max_features / 55 همانطور که ديده ميشود دقت مدل در بهترين حالت با تغيير max_features در مدلهاي پايه ساخته شده، مقدار ٩٥/٢٣ درصد را به خود ميگيرد.
(به تصویر صقحه مراجعه شود) شکل ٩: دقت پيش بيني مدل Bayes-bagging براي صنعت ماشين آلات و تجهيزات بر حسب تغيير max_features / 59 همانطور که ديده ميشود دقت مدل در بهترين حالت با تغيير max_features در مدلهاي پايه ساخته شده، مقدار ٨١/٢٥ درصد را به خود ميگيرد.