مقاله پیش‌بینی ورشکستگی شرکت‌ها مبتنی بر سیستم‌های هوشمند ترکیبی

مقاله پیش‌بینی ورشکستگی شرکت‌ها مبتنی بر سیستم‌های هوشمند ترکیبی

دانلود مقاله پیش‌بینی ورشکستگی شرکت‌ها مبتنی بر سیستم‌های هوشمند ترکیبی

در قالب Word و در 37 صفحه، قابل ویرایش، شامل:

چکیده

1- مقدمه

2- پیشینه تحقیق

3- مبانی نظری

3-1- شبکه عصبی پرسپترون چندلایه و ماشین با یادگیری تشدید شده

3-2- ماشین بردار پشتیبان

شکل 1- ساختار مدل طبقه‌بندی ماشین بردار پشتیبان

3-3- الگوریتم‌های بهینه‌سازی

4- هدف، داده‌ها و متغیرها و ساختار سیستم

4-1- هدف و روش تحقیق

4-2- معیار تعیین وضعیت ورشکستگی شرکت‌های کشور

4-3- پیش‌پردازش

4-4- جامعه آماری

4-5- نسبت‌های مالی منتخب اولیه و صنایع مورد بررسی

4-6- ساختار هسته سیستم

شکل 2- ساختار سیستم هوشمند پیش‌بینی ورشکستگی شرکت‌ها

4-7- اعتبارسنجی

4-8- ابزار

5- نتایج

5-1- نتایج اجرا و بهینه‌سازی سیستم

5-2- اثر حذف داده‌های پرت در فرآیند پیش‌پردازش

5-3- بررسی شهودی و آماری الگوریتم‌های بهینه‌سازی

5-4- بررسی حساسیت مدل‌های طبقه‌بندی به داده‌های پرت

5-5- انتخاب مدل طبقه‌بندی برتر

5-6- انتخاب الگوریتم بهینه‌سازی برتر

شکل 3- مقایسه فرآیند بهینه‌سازی الگوریتم‌های رقابت استعماری و جستجوی هارمونی در صنایع موادغذایی و نساجی

5-7- نسبت‌ها و متغیرهای مالی برتر

6- بحث و نتیجه‌گیری

منابع

فهرست جدول‌ها

جدول 1- کدهای آیسیک و صنایع مورد بررسی

جدول 2- متغیرهای منتخب اولیه سیستم هوشمند پیش‌بینی ورشکستگی شرکت‌ها

جدول 3- پارامترهای پیش‌فرض الگوریتم‌های بهینه‌سازی

جدول 4- نتایج سیستم هوشمند پیش‌بینی ورشکستگی شرکت‌ها

جدول 5- اثر حذف داده‌های پرت

جدول 6- مقایسه آماری الگوریتمهای بهینهسازی

جدول 7- بررسی حساسیت مدل‌های طبقه‌بندی به داده‌های پرت

جدول 8- مقایسه آماری مدل‌های طبقه‌بندی ماشین بردار پشتیبان و یادگیری تشدید شده (بدون هسته)

جدول 9- متغیرهای منتخب خروجی سیستم در صنعت موادغذایی و نساجی

فهرست شکل‌ها

شکل 1- ساختار مدل طبقه‌بندی ماشین بردار پشتیبان

شکل 2- ساختار سیستم هوشمند پیش‌بینی ورشکستگی شرکت‌ها

شکل 3- مقایسه فرآیند بهینه‌سازی الگوریتم‌های رقابت استعماری و جستجوی هارمونی در صنایع موادغذایی و نساجی

چکیده

با توجه به شرایط رقابتی اقتصاد کشورها و بحران‌های اقتصادی ایجاد شده در سطح بین‌المللی و داخل کشور، نیاز به یک مدل مناسب برای پیش‌بینی ورشکستگی شرکت‌های کشور احساس می‌شود. تصمیم‌گیران کلان اقتصادی، سازمان‌های اقتصادی کشور و سیستم بانکی با استفاده از این مدل‌ها توانایی اتخاذ تصمیمات دقیق‌تر و با عوارض کمتری را دارا خواهند بود؛ همچنین مدل‌های فوق در سطح خرد نیز برای تصمیم‌گیری برای سرمایه‌گذاری‌های آتی قابل استفاده می‌باشد.

در این تحقیق با پیاده‌سازی یک سیستم منسجم و هوشمند مبتنی بر شبکه عصبی، ماشین‌های بردار پشتیبان و یادگیری تشدید شده و در کنار آن استفاده از الگوریتم‌های بهینه‌سازی رقابت استعماری، الگوریتم فرهنگی و جستجوی هارمونی سعی شده است تا حد امکان نواقص مدل‌های پیشین در سطح بین‌الملل رفع شود. علاوه بر آن با همکاری سازمان امور مالیاتی کشور مقیاس بررسی سیستم به داده‌های کل کشور تعمیم یافته است که بررسی در ابعاد فوق در سطح بین‌الملل منحصر به فرد می‌باشد.

تعداد نمونه‌های مورد بررسی در صنعت موادغذایی و نساجی به ترتیب برابر با ۵۸۲۵ و 4089 می‌باشد که با اعمال معیار قانونی ورشکستگی به ترتیب ۹۹۹ و ۸۴۸ نمونه شرایط ورشکستگی را در دو سال مورد بررسی دارا بوده‌اند. نتایج نشان‌دهنده برتری عملکرد ترکیب ماشین بردار پشتیبان با الگوریتم‌های بهینه‌سازی جستجوی هارمونی و رقابت استعماری در شرایط عدم حذف داده‌های پرت می‌باشد.