به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "الگوریتم آدابوست" در نشریات گروه "اقتصاد کشاورزی"

تکرار جستجوی کلیدواژه «الگوریتم آدابوست» در نشریات گروه «کشاورزی»
جستجوی الگوریتم آدابوست در مقالات مجلات علمی
  • سید حسام وقفی*، زهره حیدری، سامیران خواجه زاده، صدیقه کامران راد
    تحلیل درماندگی مالی و تعیین احتمال درمانده شدن قبل از بروز درماندگی موضوعی بااهمیت برای سرمایه گذاران، اعتباردهندگان و مدیران می باشد. در این پژوهش با استفاده از اطلاعات شش سال مالی طی دوره 1390 الی 1395 در بخش کشاورزی و مواد غذایی به بررسی عوامل موثر بر درماندگی مالی و پیش بینی آن با استفاده از الگوریتم آدابوست و طبقه بندی احتمالی بیز پرداخته شده است. از تاثیر مستقیم تورم، ریسک مالی و تاثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر درماندگی مالی می‎باشد. همچنین نتایج نشان می دهد که الگوریتم تقویت انطباقی آدابوست با استفاده از داده های مالی و اقتصادی توانایی بالاتری نسبت به روش طبقه‎بندی احتمالی بیز در پیش بینی درماندگی مالی دارد. نتایج این تحقیق می تواند به صورت کاربردی موردتوجه مدیران بخش کشاورزی و مواد غذایی بورس اوراق بهادار تهران قرار گیرد که با پیش بینی درماندگی مالی در شرکت ها و کار کردن بر روی عوامل موثر بر آن، نسبت به مدیریت کردن جذب سرمایه سهامداران، کاهش ریسک بحران های مالی و کمک به سرمایه گذاران جهت اجتناب از زیان های بزرگ در بازار سهام، اقدام نمایند.
    کلید واژگان: الگوریتم آدابوست, طبقه بندی احتمالی بیز, درماندگی مالی
    Seyed Hesam Vaghfi *, Zohre Heydari, Samiran Khajezade, S. Kamranrad
    Analysis financial distress is an important phenomenon for investors, creditors and other users of financial information. Determining the probability of a company’s distress before occurrence of distress and bankruptcy is considered a very interesting and attractive subject and can be useful for both managers, and investors and creditors. In this study, using the information of 6 financial years during the period 2011 to 2016 in industry agriculture and food materials industry, the factors affecting financial distress and predicting it through methods based on machine learning (NBC and AdaBoost) have been studied. The results of the study indicate direct impack and inflationon, indirect impact of the ratio of non-executive directors, Stock returns, the ratio of operating cash flow financial distress. The results also show that AdaBoost method, using financial and economic data, has higher capability in predicting financial distress compared to NBC method.
    Keywords: financial distress, NBC Algorithm, AdaBoost Algorithm
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال