پیش بینی درماندگی مالی شرکتها با استفاده از مدل ترکیبی سیستم ایمنی مصنوعی و شبکه عصبی موجکی (هوش مصنوعی)
کلمات کلیدی:
درماندگی مالی, پیشبینی مالی, شبکه عصبی موجکی, سیستم ایمنی مصنوعی, رگرسیون لجستیک, الگوریتم ترکیبیچکیده
پیشبینی درماندگی مالی شرکتها یکی از چالشهای اصلی در حوزه مدیریت مالی است. این پژوهش به بررسی کاربرد مدلهای هوش مصنوعی در پیشبینی درماندگی مالی میپردازد. در این پژوهش از الگوریتمهای مختلفی از جمله شبکه عصبی موجکی (WNN)، سیستم ایمنی مصنوعی (AIS)، رگرسیون لجستیک (LR) و یک الگوریتم ترکیبی از AIS و WNN استفاده شده است. این مطالعه با استفاده از دادههای واقعی شرکتها، دقت و کارایی این مدلها را مقایسه میکند. نتایج نشان میدهند که الگوریتم ترکیبی توانایی بالاتری در پیشبینی درماندگی مالی دارد و میتواند به عنوان یک ابزار مفید برای تصمیمگیریهای مالی مورد استفاده قرار گیرد. پیشبینی درماندگی مالی شرکتها یکی از چالشهای اصلی در حوزه مدیریت مالی است. این پژوهش به بررسی کاربرد مدلهای هوش مصنوعی در پیشبینی درماندگی مالی میپردازد. در این پژوهش از الگوریتمهای مختلفی از جمله شبکه عصبی موجکی (WNN)، سیستم ایمنی مصنوعی (AIS)، رگرسیون لجستیک (LR) و یک الگوریتم ترکیبی از AIS و WNN استفاده شده است. این مطالعه با استفاده از دادههای واقعی شرکتها، دقت و کارایی این مدلها را مقایسه میکند. نتایج نشان میدهند که الگوریتم ترکیبی توانایی بالاتری در پیشبینی درماندگی مالی دارد و میتواند به عنوان یک ابزار مفید برای تصمیمگیریهای مالی مورد استفاده قرار گیرد.
دانلودها
مراجع
Abdolrazagh Nejad Majid, M., & Adibian, A. (2020). Dimension reduction of feature based on Rafe's theory using
football league competition algorithm. https://www.sid.ir/paper/409306/fa
Alavi, M., & Memarian, H. (2021). Auditor characteristics and the likelihood of bankruptcy. Experimental Accounting
Research, 11(2), 159-182. https://jera.alzahra.ac.ir/article_5568.html?lang=fa
Ali Akbarloo, A., Mansourfar, G., & Ghiyour, A. (2020). Comparison of criteria for detecting financially distressed
companies using logistic regression and artificial intelligence methods. Financial Management Outlook, 10(29),
-166. https://doi.org/10.52547/jfmp.10.29.147
Azizi, H. (2021). Modeling and determining the capability of working capital management in predicting corporate
bankruptcy using artificial intelligence algorithms. Securities Analysis Financial Knowledge, 14(51), 171-190.
https://journals.srbiau.ac.ir/article_19258.html
Baghbid, E., Jafari, A., & Salehnejad, S. H. (2021). Proposing a three-dimensional (financial, economic, sustainability)
combined model for predicting corporate financial distress. Research in Financial Accounting and Auditing, 13(51),
-132. https://journals.iau.ir/article_686544.html
Dong, X., Dang, B., Zang, H., Li, S., & Ma, D. (2024). The prediction trend of enterprise financial risk based on machine
learning arima model. Journal of Theory and Practice of Engineering Science, 4(01), 65-71.
https://www.centuryscipub.com/index.php/jtpes/article/view/430
Fereidoni, F., Darabi, R., & Anvari Rastami, A. (2020). Application of artificial intelligence algorithms in predicting
earnings smoothing. Research in Financial Accounting and Auditing, 12(45), 103-134.
https://ensani.ir/fa/article/479271/%DA%A9%D8%A7%D8%B1%D8%A8%D8%B1%D8%AF-
%D8%A7%D9%84%DA%AF%D9%88%D8%B1%DB%8C%D8%AA%D9%85-%D9%87%D9%88%D8%B4-
%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%AF%D8%B1-%D9%BE%DB%8C%D8%B4-
%D8%A8%DB%8C%D9%86%DB%8C-
%D9%87%D9%85%D9%88%D8%A7%D8%B1%D8%B3%D8%A7%D8%B2%DB%8C-
%D8%B3%D9%88%D8%AF
Halteh, K., Alkhouri, R., Ziadat, S., & Haddad, F. (2024). Fintech Unicorns Forecaster: An AI Approach For Financial
Distress Prediction. Migration Letters, 21(S4), 942-954.
https://migrationletters.com/index.php/ml/article/download/7379/4801/19544
Haroonkalaei, K., & Barzegar, A. (2023). Explanation of financial variables affecting the prediction of financial recovery:
An artificial intelligence approach. Economic Modeling Scientific Journal, 17(61).
https://journals.iau.ir/article_703693.html
Qatabi, M., Khodadadi, V., Jerjerzadeh, & Kaab Omir, A. (2020). Modeling bankruptcy prediction using earnings
management variables. Economic Modeling, 14(50), 131-152.
https://ensani.ir/fa/article/439378/%D9%85%D8%AF%D9%84-%D8%B3%D8%A7%D8%B2%DB%8C-
%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C-
%D9%88%D8%B1%D8%B4%DA%A9%D8%B3%D8%AA%DA%AF%DB%8C-%D8%A8%D8%A7-
%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-
%D9%85%D8%AA%D8%BA%DB%8C%D8%B1%D9%87%D8%A7%DB%8C-
%D9%85%D8%AF%DB%8C%D8%B1%DB%8C%D8%AA-%D8%B3%D9%88%D8%AF
Sadeghi, H., & Zolfaghari, M. (2010). Short-term prediction of national electricity demand using neural networks and
wavelet transform. https://civilica.com/doc/1821120/
Sheikhivand Subhan, S., & Qayemi Saharaneh, S. (2019). Automatic identification of sleep stages from single-channel
EEG signals using discrete wavelet transform and a combined model of ant colony algorithm and RUSBoost-based
neural network classifier. https://www.ijbme.org/article_36377.html
Song, Y., Jiang, M., Li, S., & Zhao, S. (2024). Class‐imbalanced financial distress prediction with machine learning:
Incorporating financial, management, textual, and social responsibility features into index system. Journal of
Forecasting, 43(3), 593-614. https://doi.org/10.1002/for.3050
Soydas, S. S., & Handan, C. A. M. (2024). Predicting Financial Failure in Companies by Employing Machine Learning
Methods. International Journal of Social Science Research and Review, 7(2), 111-125.
https://ijssrr.com/journal/article/view/1827
Vali Zadeh Larijani, A., & Bani Mahd, M. (2022). Financial statement items, life cycle, and corporate bankruptcy.
Experimental Accounting Research, 12(2), 91-110. https://jera.alzahra.ac.ir/article_6376.html

دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2024 تکنولوژی در کارآفرینی و مدیریت استراتژیک

این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.