کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
386870 660892 2008 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid financial analysis model for business failure prediction
ترجمه فارسی عنوان
مدل تحلیل مالی ترکیبی برای پیش بینی شکست تجاری
کلمات کلیدی
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1. مقدمه

2- شبکه‌های عصبی مصنوعی 

شکل 1- شبکه عصبی سه‌لایه

جدول 1- نسبت‌های مالی و اوزان

3- روش تحقیق

3-1 مجموعه داده

جدول 2- نرخ‌های متغیر طبقه‌بندی (یک مثال)

جدول3- مثال‌هایی از اطلاعات ورودی و خروجی 

3-2 مدل تحلیل مالی ترکیبی

4- آزمایشات

4-1 روش‌های ارزیابی

جدول 4- ماتریس در هم‌ریختگی

4-2 نتایج

جدول 5- دقت پیش‌بینی (بر حسب درصد)

جدول 6- دقت پیش‌بینی (بر حسب درصد)

4-2-1 مجموعه داده 1

4-2-2 مجموعه داده 2

جدول 7- نتایج پیش‌بینی

جدول 8- نتایج پیش‌بینی

4-2-3 مجموعه داده 3

4-2-4 مجموعه داده 4

جدول 9- نتایج پیش‌بینی

جدول10- مقایسه مدل‌های مختلف

شکل 2- خلاصه‌ای از کاربرد سه مجموعه داده اول 

4-3 بحث

5- نتیجه‌گیری
ترجمه چکیده
تقلب در حسابداری، همواره در سراسر جهان اتفاق می‌افتد. این امر سبب شد تا لزوم پیش‌بینی شکست کسب و کار مدنظر قرار گیرد. در این خصوص، روش‌های آماری و تکنیک‌های یادگیری ماشین به طور گسترده مورد استفاده قرار می‌گیرند. به طور کلی، نسبت‌های مالی، یکی از ورودی‌های اصلی برای توسعه مدل‌های پیش‌بینی می‌باشد. در این مقاله، یک مدل تحلیلی مالی ترکیبی شامل مدل ایستا و مدل تحلیل روند برای ساخت و آموزش مدل شبکه عصبی پس انتشار (BPN) ارائه می‌شود. برای آزمایشات انجام شده، چهار مجموعه داده از شرکت‌های تایوانی مورد استفاده قرار گرفته است. نتایج نشان داد که مدل پیشنهادی نه تنها، نرخ پیش‌بینی بالایی را برای شرکت‌های مذکور ارائه کرده، بلکه نسبت به سایر مدل‌ها مانند تحلیل ممیزی، درخت تصمیم‌گیری و شبکه عصبی پس انتشار به تنهایی، بهتر عمل کرده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی

Accounting frauds have continuously happened all over the world. This leads to the need of predicting business failures. Statistical methods and machine learning techniques have been widely used to deal with this issue. In general, financial ratios are one of the main inputs to develop the prediction models. This paper presents a hybrid financial analysis model including static and trend analysis models to construct and train a back-propagation neural network (BPN) model. Further, the experiments employ four datasets of Taiwan enterprises which support that the proposed model not only provides a high predication rate but also outperforms other models including discriminant analysis, decision trees, and the back-propagation neural network alone.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 35, Issue 3, October 2008, Pages 1034–1040
نویسندگان
, , , ,