دانلود مقاله ISI انگلیسی شماره 51218
ترجمه فارسی عنوان مقاله

مدل تحلیل مالی ترکیبی برای پیش بینی شکست تجاری

عنوان انگلیسی
A hybrid financial analysis model for business failure prediction
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
51218 2008 7 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 35, Issue 3, October 2008, Pages 1034–1040

فهرست مطالب ترجمه فارسی
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 کلمات کلیدی
شبکه‌های عصبی مصنوعی ، پیش‌بینی شکست تجاری ، تحلیل مالی
کلمات کلیدی انگلیسی
Artificial neural networks; Business failure prediction; Financial analysis
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.
پیش نمایش مقاله
پیش نمایش مقاله  مدل تحلیل مالی ترکیبی برای پیش بینی شکست تجاری

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.