شرکت‌هایی که دارای جریان وجوه نقد داخلی خوبی هستند کمتر به تأمین مالی خارجی متکی می‌باشند و وام‌دهندگان نیز به این شرکت‌ها به دلیل نقدینگی خوبی که دارند به‌راحتی اعتبار می‌دهند. هدف این پژوهش تحلیل عوامل مؤثر بر نقدینگی با رویکرد هوش مصنوعی و همچنین پیش بینی نقدینگی شرک چکیده کامل
شرکت‌هایی که دارای جریان وجوه نقد داخلی خوبی هستند کمتر به تأمین مالی خارجی متکی می‌باشند و وام‌دهندگان نیز به این شرکت‌ها به دلیل نقدینگی خوبی که دارند به‌راحتی اعتبار می‌دهند. هدف این پژوهش تحلیل عوامل مؤثر بر نقدینگی با رویکرد هوش مصنوعی و همچنین پیش بینی نقدینگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران می‌باشد. بدین منظور از اطلاعات مالی 138 شرکت طی 8 سال از 1390 الی 1397 جهت آزمون فرضیه‌های پژوهش استفاده شد. در این پژوهش نسبت وجه نقد عملیاتی شرکت به عنوان متغیر وابسته( نقدینگی) و معیارهای مالی به عنوان متغیر مستقل اولیه در نظر گرفته شد. نتایج تحقیق نشان داد که بازده دارایی‌ها، کیوتوبین، نسبت سرمایه در گردش، حاشیه سود عملیاتی و سود تقسیمی از بین سایر معیارهای مالی بیشترین تاثیر را بر نقدینگی شرکت با رویکرد متغیر گزینی ریلف دارد و همچنین رویکرد هوش مصنوعی لاسو توانایی بالایی در پیش‌بینی نقدینگی شرکت‌های بورس اوراق بهادار تهران دارد.
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
با توجه به اهمیت شناسایی عوامل مؤثر بر سلامت مالی و پیش‌بینی درجه سلامت مالی شرکت‌ها در این پژوهش اقدام به شناسایی شاخص‌های مناسب برای تبیین سلامت مالی و همچنین پیش‌بینی درجه سلامت مالی شرکت‌های بورس اوراق بهادار تهران با رویکرد مبتنی بر هوش مصنوعی شده است. بدین منظور ا چکیده کامل
با توجه به اهمیت شناسایی عوامل مؤثر بر سلامت مالی و پیش‌بینی درجه سلامت مالی شرکت‌ها در این پژوهش اقدام به شناسایی شاخص‌های مناسب برای تبیین سلامت مالی و همچنین پیش‌بینی درجه سلامت مالی شرکت‌های بورس اوراق بهادار تهران با رویکرد مبتنی بر هوش مصنوعی شده است. بدین منظور از اطلاعات 138 شرکت طی سال‌های 1390 الی 1398 و نرم افزار Matlab جهت آزمون فرضیه‌های پژوهش استفاده شد. معیارهای عملکرد حسابداری مورداستفاده در این تحقیق ریسک سیستماتیک، نسبت بدهی بلندمدت به‌کل دارایی‌ها، نسبت دارایی جاری به‌کل دارایی‌ها، نسبت سرمایه در گردش، نسبت آنی، نسبت حساب دریافتی به‌کل دارایی، بازده دارایی، رشد شرکت، رشد فروش، می‌باشند. نتایج نشان داد روش الگوریتم هوش مصنوعی باقدرت بیش از 90 درصد توانایی پیش‌بینی سلامت مالی شرکت‌ها را دارد و همچنین از بین معیارهای عملکرد مالی، رشد شرکت، بازده دارایی، رشد فروش و نسبت دارایی جاری به دارایی‌ها جهت تبیین سلامت مالی شرکت‌ها دارای بالاترین میزان تأثیرگذاری هستند.
پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد
