کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6895501 1445975 2016 42 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A two-stage classification technique for bankruptcy prediction
ترجمه فارسی عنوان
یک روش طبقه بندی دو مرحله ای برای پیش بینی ورشکستگی
کلمات کلیدی
سیستم های پشتیبانی تصمیم، دارایی، مالیه، سرمایه گذاری، ورشکستگی، پیش بینی، مشخصات مالی،
ترجمه چکیده
تکنیک های گروهی مانند کیسه سازی یا تقویت، که براساس ترکیبی از طبقه بندی ها است، امکان طراحی مدل هایی را فراهم می کنند که اغلب دقیق تر از مواردی است که از یک پیش بینی پیش بینی منحصر به فرد ساخته شده اند. با این حال، عملکرد یک گروه صرفا بر تنوع اجزای مختلف آن و در نهایت الگوریتمی است که برای ایجاد این تنوع استفاده می شود. این بدان معنی است که چنین مدلهایی وقتی طراحی میشوند که پیش بینی ورشکستگی شرکتها را پیشبینی کنند، هیچگونه اطلاعات صریح دربارهی این پدیده را که ممکن است اطلاعاتی را که احتمالا آنها را جذب کردهاند، تکمیل یا غنی سازد، استفاده نمیکنند یا از آنها استفاده نمیکنند. به همین دلیل است که ما یک روش ارائه می دهیم که دقیقا بر اساس برخی از دانش هایی است که ورشکستگی را مدیریت می کند، با استفاده از مفهوم پروفیل مالی، و ما نشان می دهیم که مکمل بودن بین این تکنیک و تکنیک های گروه می تواند پیش بینی ها را بهبود بخشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Ensemble techniques such as bagging or boosting, which are based on combinations of classifiers, make it possible to design models that are often more accurate than those that are made up of a unique prediction rule. However, the performance of an ensemble solely relies on the diversity of its different components and, ultimately, on the algorithm that is used to create this diversity. It means that such models, when they are designed to forecast corporate bankruptcy, do not incorporate or use any explicit knowledge about this phenomenon that might supplement or enrich the information they are likely to capture. This is the reason why we propose a method that is precisely based on some knowledge that governs bankruptcy, using the concept of “financial profiles”, and we show how the complementarity between this technique and ensemble techniques can improve forecasts.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 254, Issue 1, 1 October 2016, Pages 236-252
نویسندگان
,