پایان نامه

 

مقاله ارائه مدلی برای پیشبینی ریسک ورشکستگی شرکتها با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک تحت pdf دارای 10 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارائه مدلی برای پیشبینی ریسک ورشکستگی شرکتها با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک تحت pdf کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارائه مدلی برای پیشبینی ریسک ورشکستگی شرکتها با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک تحت pdf ،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن مقاله ارائه مدلی برای پیشبینی ریسک ورشکستگی شرکتها با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک تحت pdf :

سال انتشار: 1394
محل انتشار: کنفرانس ملی رویکردهای نوین در علوم مدیریت ، اقتصاد و حسابداری
تعداد صفحات: 10
نویسنده(ها):
وحید علیزاده – دانشگاه تهران
احمدرضا قاسمی – دانشگاه تهران
روح الله رهنمافلاورجانی – دانشگاه تهران

چکیده:
توسعه مدلهای پیشبینی ریسک ورشکستگی مالی بهعنوان یک موضوع مهم، همواره مورد توجه جامعه دانشگاهی و بنگاههای اقتصادی بوده است. پیشبینی ریسک ورشکستگی مالی میتواند اثر مهمی بر تصمیمات مربوط به اعطای تسهیلات و سودآوری نهادهای مالی داشته باشد. هدف این تحقیق استفاده از نسبتهای مالی در پیشبینی ریسک ورشکستگی شرکتها است. باتوجه به اینکه پیشبینی ریسکورشکستگی همیشه مورد توجه بنگاههای اقتصادی، بهویژه بانکها و سایر نهادهای مالی است. پیشبینی بهموقع می تواند تصمیمگیران را در یافتن راهحل و پیشگیری از ورشکستگی، یاری نماید. بنابراین همواره سعی شده است تا با استفاده از روشهای متنوع، دقت پیشبینی این مدلها افزایش یابد. هدف این پژوهش بررسی دقت شبکه عصبی پرسپترون چندلایه آموزش یافته با الگوریتم ژنتیک در پیشبینی ریسک ورشکستگی شرکتها است. نتایج مدل با طبقهبندهای کلاسیک(طبقهبند بیزین وk- نزدیک- ترین همسایه) مقایسه شده است. این تحقیق نشان میدهد شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک در پیشبینی ریسک ورشکستگی بهتر از دو مدل کلاسیک است و میتواند با دقت %976 پیشبینی را انجام دهد.

 

کلمات کلیدی :