پيش بيني ورشكستگي

دانشجویان DBA

اطلاعات سایت
مقاله: 501
اعضای حقیقی - پیوسته: 2894
اعضای حقیقی - وابسته: 2881
اعضای حقوقی - دانشگاه‌ها: 51
اعضای حقوقی - موسسات: 228
اعضای حقوقی - شرکت ها: 85
اعضای دانشجویی: 8750

پيش بيني ورشكستگي

مقایسه مدل تحلیل تمایزی چندگانه با مدل شبکه های عصبی در پیش بینی ورشکستگی شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران

پژوهش حاضر به مطالعه ي پيش بيني ورشكستگي مالي شركت های پذیرفته شده در بورس اوراق بهادار تهران به وسيله ي شبكه هاي عصبي مصنوعي مي پردازد. بهترين نسبت هاي مالي پيش بين در پژوهش هاي صورت گرفته در پيشينه موضوع به عنوان ورودي شبكه هاي عصبي انتخاب شده اند. شبكه ي عصبي به كار گرفته شده در اين پژوهش از نوع پرسپترون چند لايه مي باشد كه به روش الگوريتم پس انتشار خطا آموزش ديده اند، و شامل شبكه عصبي پيشخور سه لايه با تركيب (5:18:2) در آرايش نرون هاست.

بررسي كاربرد مدل هاي پيش بيني ورشكستگي (آلتمن ، فالمر، اسپرينگيت ، زيمسكي و شيراتا ) در پيش بيني نكول تسهيلات اعطايي به شركت هاي پذيرفته شده در بورس اوراق بهادار تهران (مطالعه موردي بانك سپه)

بلوكه شدن منابع به عنوان مطالبات سررسيدگذشته و معوق با كاهش توان تسهيلات دهي بانك ها ، تاثير منفي بر بهره وري دارد. از مهمترين راه هاي جلوگيري از ايجاد مطالبات معوق ، تصميم گيري درست در زمان اعطاي تسهيلات است به نحوي كه با شناسايي دقيق مشتريان ، تسهيلات به صورت بهينه تخصيص داده شده و از اين طريق احتمال معوق شدن تسهيلات كاهش يابد. براي اخذ تصميم درست از ابزارهاي متنوعي استفاده مي شود كه مهمترين آنها اعتبارسنجي و رتبه بندي اعتباري مشتريان است .