پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 154 |
| تعداد شماره‌ها | 5,840 |
| تعداد مقالات | 64,112 |
| تعداد مشاهده مقاله | 106,346,672 |
| تعداد دریافت فایل اصل مقاله | 83,227,426 |
کاربرد الگوریتم ژنتیک در پیش‌بینی ورشکستگی و مقایسه آن با مدل Z آلتمن در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران | ||
| بررسیهای حسابداری و حسابرسی | ||
| مقاله 5، دوره 18، شماره 65 - شماره پیاپی 747587، آذر 1390، صفحه 99-114 اصل مقاله (165.67 K) | ||
| نویسندگان | ||
| محمود فیروزیان1؛ داریوش جاوید2؛ نرگس نجم الدینی3 | ||
| 1دانشیار دانشگاه آزاد اسلامی واحد کرج، تهران، ایران | ||
| 2مربی، عضو هیئت علمی دانشگاه آزاد اسلامی واحد بروجرد، ایران | ||
| 3دانش¬آموخته کارشناسی ارشد حسابداری دانشگاه آزاد اسلامی واحد بروجرد، ایران | ||
| چکیده | ||
| پیش‌بینی ورشکستگی یکی از موضوع‌های اصلی طبقه‌بندی ورشکستگی شرکت‌ها است. سرمایه‌گذاران، مالکان، مدیران، اعتباردهندگان و مؤسسات دولتی علاقه‌مند به ارزیابی وضعیت مالی شرکت هستند؛ زیرا درصورت ورشکستگی هزینه‌های زیادی به آن‌ها تحمیل می‌شود. امروزه مدل‌های مختلفی برای پیش‌بینی ورشکستگی مورد استفاده قرار می‌گیرد. این پژوهش درصدد پیش‌بینی ورشکستگی شرکت-های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل های Z آلتمن و الگوریتم ژنتیک است. نمونه تحت بررسی شامل 36 شرکت ورشکسته و 36 شرکت غیر ورشکسته طی دوره مالی 5 ساله 84-88 است. متغیرهای نهایی مورد استفاده در مدل الگوریتم ژنتیک و مدل Z آلتمن 5 متغیر است که شامل نسبت‌های مالی است. درنهایت نتایج این 2 مدل با هم مقایسه شده است. مدل الگوریتم ژنتیک توانست به‌طور میانگین در یک سال و دو سال قبل از سال مبنا به ترتیب دقتی معادل 90 و 5/91 درصد داشته باشد و مدل Z آلتمن دقتی معادل 83.32 و83.32 درصد دارد با توجه به نتایج مدل الگوریتم ژنتیک دقت بیشتری در پیش‌بینی ورشکستگی دارد؛ درنتیجه ابزار مناسب‌تری برای پیش‌بینی محسوب می‌شود. | ||
| کلیدواژه‌ها | ||
| الگوریتم ژنتیک؛ پیش‌بینی ورشکستگی؛ مدلZ آلتمن؛ ورشکستگی | ||
| عنوان مقاله [English] | ||
| The Application of Genetic Algorithms in Bankruptcy Predication and the Comparison of it with Altman’s Z-model listed companies in Tehran Stocks Exchange (TSE) | ||
| نویسندگان [English] | ||
| Mahmoud Firouzian1؛ Daruish Javid2؛ Narges Najmadini3 | ||
| چکیده [English] | ||
| Bankruptcy predication is one of the main matters in classifying the bankrupt corporations. Investors, Owners, Managers, Creditors, Governmental Agencies are interested in evaluating the financial conditions of the companies. Since in the case of bankruptcy, it will cost them a lot. This research intended to study the bankruptcy prediction in Tehran Stock Exchange (TSE) by using the Altman’s Z-model, Genetic Algorithms and finally intends to determine efficiency of the best model. The samples under the investigation were 36 bankrupt companies and 36 non-bankrupt companies during fiscal years of 1384 – 1386. The variables used in Genetic Algorithms Model and Altman’s Z- Model were 5 variables. The Genetic Algorithms Model had respectively an equivalent accuracy between 90, 91.5 percent in average during one year and two years before the indicator year (base year).The Altman‘s Z-Model had equivalent accuracy of 83.32 and 83.32 percent. According to the finding, Genetic Algorithms Model (GAM) was more accurate in predicting bankruptcy as a result; it is an appropriate means for predicting bankruptcy. | ||
| کلیدواژه‌ها [English] | ||
| Altman’s Z- Model, Bankrupt, Bankruptcy prediction, Genetic Algorithms | ||
|
آمار تعداد مشاهده مقاله: 4,339 تعداد دریافت فایل اصل مقاله: 12,111 |
||