پروپوزال رشته مدیریت مالی با عنوان مدل سازی ورشکستگی

پروپوزال رشته مدیریت مالی با عنوان مدل سازی ورشکستگی

دانش پژوهان گرامی،این فایل حاوی مطالعه پروپوزال رشته مدیریت مالی با عنوان مدل سازی ورشکستگی میباشد که با فرمت ورد در 13 صفحه نگارش شده است.

چكيده

در دنياي امروزي، امنيت سرمايه گذاري يكي از مهمترين نگراني هاي محيط هاي اقتصادي است. اطمينان از سود آور بودن سرمايه گذاري ها و كاهش ريسك هاي اقتصادي موجب رونق چرخة اقتصادي مي گردد.از طرفی ورشکستگی آخرین مرحله از حیات اقتصادي شرکتها است و پیش بینی به موقع آن نه تنها به سرمايه گذاران در اولويت دهي و جلوگيري از دست رفتن اصل و فرع سرمايه كمك مي كند بلكه، تاثير بسزايي در نحوة اعتباردهي و در نتيجه جلوگيري از نابودي بنگاه اقتصادي خواهد داشت.

پروپوزال رشته مدیریت مالی با عنوان مدل سازی ورشکستگی

يکي از ابزارهاي ارزيابي توان مالي شرکت ها استفاده از نسبت هاي مالي به عنوان متغير مستقل و به دست آوردن الگويي براي پيش بيني ورشکستگي شرکت ها است. هدف اين پژوهش به دست آوردن مدلی با استفاده از الگوریتم ژنتیک و مقایسه آن با مدل رگرسیون لجستیک (لاجیت) می باشد.

جامعه آماري براي انجام تحقيق شركتهاي پذيرفته شده در بورس اوراق بهادار تهران در دوره زماني 1382 تا 1389 مي باشد که با توجه به ماده 141 قانون تجارت، 51 شرکت ورشکسته و 51 شرکت غیرورشکسته انتخاب و به صورت تصادفی به دو مجموعه آموزشی ( شامل35 ورشکسته و35 غیرورشکسته)- جهت ایجاد مدل- و آزمایشی ( شامل16 شرکت ورشکسته و 16 شرکت غیرورشکسته) – جهت آزمون روایی مدل- تقسیم شده اند.

با استفاده از الگوریتم ژنتیک و نسبتهای مالی دو مدل پیش بینی ورشکستگی برای یک و سه سال قبل از ورشکستگی استخراج شد که نتایج حاصل از آنها با دو مدل استخراج شده از رگرسیون لجستیک مورد مقایسه قرار گرفت.

الگوریتم ژنتیک توانست با دقت83% یک سال قبل از ورشکستگی و با دقت65% سه سال قبل از ورشکستگی را پیش بینی کند. این در حالی است که رگرسیون لجستیک دارای دقت67.3% برای یک سال قبل و51.5% برای سه سال قبل از ورشکستگی است.بنابراین تحقیق حاضر نشان می دهد که الگوریتم ژنتیک قابلیت بیشتری نسبت به رگرسیون لجستیک در پیش بینی ورشکستگی دارد.

واژگان کلیدی: پیش بینی ورشکستگی، الگوریتم ژنتیک، رگرسیون لجستیک ، نسبتهای مالی