طراحی مدل آوازه شرکت با توجه به رویکرد تحلیل مسیر و شبکه های عصبی مصنوعی در بانک های ایران
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
درماندگی مالی و ورشکستگی شرکتها به عنوان یکی از مهمترین موضوعات در مدیریت و سرمایه گذاری مالی محسوب می شود. پیش بینی ورشکستگی شرکت ها پدیده ای است که سرمایه گذاران، اعتباردهندگان،شرکت های استقراض کننده،و دولت به صورت فزاینده به آن علاقه مند شده اند. مدلهای تشخیص درماندگی مالی ی
پژوهش حاضر به بررسی و شناسایی دستکاری قیمت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. این پژوهش مدل ترکیبی از الگوریتم ژنتیک ( ga) و شبکه عصبی مصنوعی ( ann) را برای شناسایی دستکاری قیمت سهام ارائه داده و نتایج آن را با نتایج مدل تابع تفکیکی درجه دوی تعدی
ساختار سرمایه ترکیبی از بدهی و حقوق صاحبان سهام است که شرکت ها با آن تأمین مالی دارایی های خود را انجام می دهند. انتخاب بین بدهی و حقوق صاحبان سهام تحت تأثیر عوامل داخلی و خارجی است که بر ساختار سرمایه شرکت تأثیر می گذارد. هدف از مدیریت ساختار سرمایه، مشخص کردن ترکیب منابع مالی ب
در دهه های اخیر به دلیل توسعه فناوری های پیشرفته در صنعت بانکداری ، رقابت میان بانکها افزایش قابل توجهی داشته است. از اینرو تحلیل کارایی بانکها از اهمیت ویژه ای برخوردار است . در این پژوهش سعی بر آن است که از مدل تلفیقی تحلیل پوششی داده ها و شبکه های عصبی فازی در تحلیل کارایی 66
سلامت مالی در خطر و شکست یک شرکت به عنوان یک پدیده ناخواسته همیشه یک مسئله مهم است. به طور کلی شکست های تجاری پیامدهای منفی اقتصادی و اجتماعی دارد، بنابراین باید به طور جدی درمان می شود. هزینه اقتصادی درشکست های تجاری مهم است. همچنین سلامت در خطر(ورشکستگی) بر اقتصاد ملی و روند شا
حوضه آبریز الشتر جزئی از شهرستان الشتر محسوب می شود که با مساحت 87/803 کیلومتر مربع در استان لرستان قرار دارد. این حوضه از نظر موقعیت زمین شناسی بخشی از زاگرس چین خورده و زاگرس مرتفع می باشد. به منظور بررسی پایداری دامنه ها در این حوضه، پارامترهای موثر در وقوع زمین لغزش استخراج و
رشد فزاینده صنعت زیستدارو و پیچیدگی زنجیرههای تأمین آن، نیازمند توسعه مدلهای هوشمند تصمیمیار است که بتوانند در محیطهای پویا، اهداف اقتصادی، زیستمحیطی و پایداری را بهصورت همزمان بهینهسازی کنند. پژوهش حاضر یک مدل دادهمحور بهینهسازی چندهدفه برای برنامهریزی تولید پایدار د
هدف اصلی این پژوهش ارائه مدلی برای کشف تقلب با استفاده از رویکرد ترکیبی مدل تحلیل عاملی و روش شبکه عصبی مصنوعی از نوع شبکه عصبی پیشخور با الگوریتم پس انتشار خطا است. شبکهای که برای پیشبینی تقلب مالی شرکتها استفاده میشود دارای 17 نرون (مجموعه نسبتهای مالی انتخاب شده) در لای
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های
در این تحقیق به مقایسه کارایی دو روش پیشبینی شبکه عصبی مصنوعی (ANN) و روش سنتی خودرگرسیون میانگین متحرک انباشته (ARIMA) در پیشبینی قیمت سهام در بازار سهام ایران پرداخته شده است. بدین منظور 2 شرکت دارویی البرزدارو و جامدارو انتخاب شده و مدل ARIMA و مدل شبکه عصبی مصنوعی برای هر
با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایهشان و پیامدها و هزینههایی که وقوع ورشکستگی برای شرکتها و اقتصاد کشور و سایر افراد و نهادها میتواند ایجاد نماید. در صورتیکه بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکتها را پیشبینی نمود و پس از آن با علتی