کاربرد روش ترکیبی ماشین بردار پشتیبان و انتخاب ویژگی بهمنظور پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران | ||
| تحقیقات مالی | ||
| مقاله 8، دوره 19، شماره 1، 1396، صفحه 139-156 اصل مقاله (346.08 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfr.2015.52758 | ||
| نویسندگان | ||
| سعید فلاح پور1؛ عیسی نوروزی یان لکوان* 2؛ محمد هندیجانی زاده3 | ||
| 1استادیار مدیریت مالی، دانشکدۀ مدیریت، دانشگاه تهران، تهران، ایران | ||
| 2دانشجوی کارشناسی ارشد مهندسی مالی، دانشکدۀ مدیریت دانشگاه تهران، تهران،ایران | ||
| 3دانشجوی کارشناسی ارشد مهندسی مالی، دانشکدۀ مدیریت دانشگاه تهران،تهران، ایران | ||
| چکیده | ||
| پیشبینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، مؤسسههای اعتباری و بانکها به آن توجه کردهاند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدلهای ترکیبشدۀ انتخاب ویژگی و مدل طبقهبندیکننده، از مسائلی است که فقط در سالهای اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین بردار پشتیبان با چهار تابع کرنل خطی، چندجملهای، شعاعی و سیگمویید بهعنوال مدل طبقهبندیکننده و ترکیب آن با روشهای انتخاب ویژگی فیلترکننده و پوششدهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روشهای پوششدهندۀ انتخاب ویژگی است و روشهای آنالیز اجزای اساسی، زنجیرۀ اطلاعات و رلیف که جزء روشهای فیلترکنندۀ انتخاب ویژگی هستند، استفاده شده است. نتایج بهدست آمده نشان داد که روش الگوریتم ژنتیک نسبت به روشهای فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چندجملهای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان 95 درصد تفاوت معناداری با هم ندارند. | ||
| کلیدواژهها | ||
| الگوریتم ژنتیک؛ پوششدهنده؛ درماندگی مالی؛ فیلترکننده؛ ماشین بردار پشتیبان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 5,102 تعداد دریافت فایل اصل مقاله: 1,342 |
||