سال انتشار: ۱۳۹۰

محل انتشار: اولین همایش تخصصی سیستمهای هوشمند کامپیوتری و کاربردهای آنها

تعداد صفحات: ۸

نویسنده(ها):

مهناز آهنگری – دانشگاه آزاد اسلامی دانشجوی کارشناسی ارشد حسابداری نیشابور

چکیده:

طبق پژوهشهای گذشته دقت مدلهای مختلف آماری و هوش مصنوعی به منظور پیش بینی ورشکستگی شرکت ها متفاوت بوده است و لذا انجام پژوهشهای مقایسه ای به منظور تعیین دقت هریک از مدلها می تواند جذاب باشد دراین پژوهش با کمک ابزار داده کاوی که می توانددر برگیرنده مجموعه ای از مدلهای مختلف باشد به ازمون توان پیش بینی پرکاربردترین مدلهای پیش بینی ورشکستگی و درماندگی مالی استفاده شده در پژوهشهای مختلف از قبیل شبکه عصبی رگرسیون لجستیک، ماشین بردار پشتیبان شبکه های بیزین درخت های تصمیم QUEST,CHID,C5,CART پرداخته شدها ست دراین پژوهش ابتدا الگوریتمهای طبقه بندی به لحاظ میزان صحت در پیش بینی ورشکستگی اولویت بندی می شود و سپس با ترکیب الگوریتمهایی که بالاترین میزان دقت را دارند بهترین مدل جهت پیش بینی ورشکستگی گزینش می شود نتایج بیانگر آن است که ترکی بمدلها دردووضعیت QUEST,C5 و QUEST,NN,CHAID,C5 برای پیش بینی شرکتهای ورشکسته و سالم در سال t سال t برای شرکتهای ورشکسته سال ورشکستگی برای شرکتهایسالم سال قرار گرفتن در نمونه است از صحت بالاتری برخوردار است.