DOAJ Open Access 2024

پیش‌بینی درماندگی مالی بر مبنای تئوری مجموعه‌های راف در مقایسه با شبکه‌های عصبی مصنوعی

سید امیرمحمد حجازیان غلامرضا منصورفر فرزاد غیور

Lihat Sumber DOI

Abstrak

در عصری که شرکت‌ها برای بقا در بازارهای رقابتی با چالش‌های فراوانی روبه‌رو هستند، شناسایی عوامل تاثیرگذار بر بحران‌های مالی اهمیت می‌یابد. یکی از راه‌های کمک به سرمایه-گذاران و شرکت‌ها ارائه، الگوهایی جهت پیش‌بینی درماندگی مالی است. هدف این پژوهش، بررسی توانایی تئوری مجموعه راف و مقایسه آن با شبکه‌های عصبی مصنوعی و فازی جهت پیش‌بینی درماندگی مالی شرکت‌های فعال در بورس اوراق بهادار تهران است. بدین منظور 329 جفت شرکت سالم و درمانده مالی طی بازه زمانی سال‌های 1385-1399 انتخاب شده‌است. شبکه-های عصبی بررسی شده در این پژوهش عبارتنداز: شبکه عصبی پرسپترون چندلایه (MLP) و شبکه عملکرد پایه شعاعی (RBF) و شبکه استنتاج فازی انطباق‌پذیر(ANFIS) و همچنین نرم افزار مورد استفاده جهت ایجاد تئوری مجموعه راف ROSETTA و نرم‌افزار مورد استفاده جهت طراحی شبکه‌های عصبی مصنوعی و فازی نرم افزار MATLAB می‌باشد. نتایج به دست آمده در این پژوهش نشان از کارایی بالای مدل مجموعه‌های راف با دقت 7/98درصد جهت پیش‌بینی درماندگی مالی دارد.

Topik & Kata Kunci

Finance Regional economics. Space in economics

Penulis (3)

سید امیرمحمد حجازیان

غلامرضا منصورفر

فرزاد غیور

Format Sitasi

APA MLA BibTeX

حجازیان, س.ا., منصورفر, غ., غیور, ف. (2024). پیش‌بینی درماندگی مالی بر مبنای تئوری مجموعه‌های راف در مقایسه با شبکه‌های عصبی مصنوعی. https://doi.org/10.22034/jse.2023.12135.2083

Akses Cepat

Lihat di Sumber doi.org/10.22034/jse.2023.12135.2083

Informasi Jurnal

Tahun Terbit: 2024
Sumber Database: DOAJ
DOI: 10.22034/jse.2023.12135.2083
Akses: Open Access ✓