هدف این مقاله تبیین عوامل مالی موثر بر احیای مالی یا خروج از درماندگی است. برای تبیین عوامل مالی موثر بر احیای مالی با مروری بر مقالات مختلف 54 متغیر مورد استفاده قرار گرفت. اطلاعات 200 سال - شرکت درمانده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران که از درماندگی چکیده کامل
هدف این مقاله تبیین عوامل مالی موثر بر احیای مالی یا خروج از درماندگی است. برای تبیین عوامل مالی موثر بر احیای مالی با مروری بر مقالات مختلف 54 متغیر مورد استفاده قرار گرفت. اطلاعات 200 سال - شرکت درمانده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران که از درماندگی مالی خارج شدهاند، در فاصله بین سالهای 1380 - 1396 استخراج گردید. روش های آماری مناسب برای فرایند پالایش متغیرها از طریق آزمون های مقایسه میانگین زوجی و همچنین تحلیل عاملی اکتشافی با استفاده از مولفه های اصلی انجام شده است. سپس با پالایش متغیرها با استفاده از تحلیل ممیزی و در قالب ترکیبات خطی، اقدام به تشکیل توابع ممیزی گردید. نتایج نشان داد نسبت های مالی بدهی های جاری به کل دارایی، سود خالص به فروش و فروش به دارایی جاری دارای بیشترین قدرت تبیین خروج از درماندگی هستند.
پرونده مقاله
هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیشبینی احیای مالی شرکت های پذیرفتهشده در بورس اوراق بهادار تهران و بهرهمندی از رویکرد هوش مصنوعی در تحلیل دادههای مربوط به 173 شرکت درمانده احیاشده طی دوره زمانی 1383 – 1399 بود. در این رویکرد، نخست با استفاده از ا چکیده کامل
هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیشبینی احیای مالی شرکت های پذیرفتهشده در بورس اوراق بهادار تهران و بهرهمندی از رویکرد هوش مصنوعی در تحلیل دادههای مربوط به 173 شرکت درمانده احیاشده طی دوره زمانی 1383 – 1399 بود. در این رویکرد، نخست با استفاده از الگوریتم های انتخاب ویژگیهای لارس و رلیف، از میانِ 54 متغیر مالیِ منتخب، 10 متغیر مهم و موثر در احیای مالی شرکت های نمونه، شناسایی شد. در ادامه، برای ارزیابی دقت نتایج متغیرهای شناساییشده در پیشبینی احیای مالی از الگوریتم های یادگیر ماشین بردار پشتیبان و درخت تصمیم استفاده شد. نتایج نشان داد متغیرهای برگزیده با روش انتخاب ویژگی لارس و ارزیابی دقت با الگوریتم ماشین بردار پشتیبان نسبت به روش انتخاب ویژگی رلیف و ارزیابی دقت با الگوریتم درخت تصمیم، عملکرد بهتری در پیشبینی زمان خروج از درماندگی داشته است. همچنین، نتایج آشکار کرد که بدون لحاظ کردنِ روش های انتخاب ویژگی، ماشین یادگیر بردار پشتیبان در مقامِ مقایسه با درخت تصمیم، در پیش بینی زمان خروج از درماندگی، از قدرت پیش بینی بالاتری برخوردار است. براساس نتایج، به سرمایهگذاران بازار سرمایه در انتخاب پرتفوی سرمایهگذاری پیشنهاد میشود برمبنای متغیرهای مالی موثر در پیشبینی احیای مالی و ماشین یادگیر بردار پشتیبان، شرکتهای مستعد خروج از درماندگی را شناسایی و اقدام به سرمایهگذاری نمایند.
پرونده مقاله