تصمیم گیری براساس شبکه عصبی/ یادگیری عمیق
امین اله ضرقامی؛ میثم دعائی؛ آبتین بوستانی
چکیده
هدف: اخراج شرکتها با وجود اهمیت در مسائل اقتصادی و اجتماعی جامعه، کمتر در ادبیات مالی مورد توجه قرار گرفته است. این موضوع از آن جهت دارای اهمیت است که برای هرکشور، یکی از معیارهای سنجش اقتصادی، حجم بازار سرمایه میباشد. بنابراین اخراج شرکتها نه تنها باعث از بین رفتن اعتبار شرکت، قیمت سهام آن و بازار فروش سهام آن شرکت میشود بلکه ...
بیشتر
هدف: اخراج شرکتها با وجود اهمیت در مسائل اقتصادی و اجتماعی جامعه، کمتر در ادبیات مالی مورد توجه قرار گرفته است. این موضوع از آن جهت دارای اهمیت است که برای هرکشور، یکی از معیارهای سنجش اقتصادی، حجم بازار سرمایه میباشد. بنابراین اخراج شرکتها نه تنها باعث از بین رفتن اعتبار شرکت، قیمت سهام آن و بازار فروش سهام آن شرکت میشود بلکه بر رشد بازار و اقتصاد هر کشور نیز موثر است. پژوهش حاضر به دنبال بررسی صورتهای مالی و گزارش حسابرسی شرکتهای فعال و مقایسه آن با شرکتهای لغو پذیرش شده میباشد تا به کمک فنون مدلسازی هوش مصـنوعی، مدلی را بـرای پیشبینی شرکتهای لغوپذیرش شده در بورس اوراق بهادار تهران طراحی نماید.
روششناسی پژوهش: در این پژوهش که روی شرکتهای بورس اوراق بهادار تهران انجام پذیرفته است، دادههای مربوط به سه سال قبل از اخراج 73 شرکت حذف شده از بورس از سال 1382 تا سال 1397 در گروه اول و داده های 148 شرکت فعال که بصورت مستمر در بورس حضور داشتند در گروه دوم و با روش حذفی سیستماتیک انتخاب گردیدند. سپس با تکنیکهای داده کاوی که از کارآمدترین و به روزترین مدل های هوش مصنوعی هستند و به کمک طبقهبندی کنندههای شبکه عصبی پرسپترون چندلایه، درخت تصمیم، و طبقهبندی کننده نظریه بیزین به پیش بینی شرکتهای لغو پذیرش شده از بورس پرداخته شده است.
یافتهها: یافته ها نشان میدهد بهترین عملکرد را طبقه بندی کننده بیزین داشته است و شبکه عصبی پرسپترون چند لایه در جایگاه دوم و طبقه بندی کننده درخت تصمیم در جایگاه سوم قرار گرفته است.
اصالت/ارزش افزوده علمی: پژوهشهای کمی در حوزه پیش بینی اخراج شرکتها از بازار سرمایه در ایران شده است. این پژوهش با پر کردن این گپ، به پژوهشگران پیشنهاد داده است با استفاده از سایر طبقهبندی کنندهها، ترکیب کردن چندین طبقهبندی کننده با یکدیگر بهمنظور پوشش بهتر خطاهای هر یک، ترکیب کردن طبقهبندی کنندهها با یکدیگر و وزن دهی به روشی که دقت بالاتری داشته باشد، اضافه کردن سایر متغیرهای تاثیرگذار در اخراج شرکتها از جمله ساختار مالکیت و ترکیب سهامداران میتواند نتایج دیگری بدست آید.
تصمیم گیری براساس شبکه عصبی/ یادگیری عمیق
محمدعلی خاتمی فیروزآبادی؛ مونا جهانگیرزاده؛ امیر مزیکی؛ ُسید سهیل فاضلی
چکیده
هدف: امروزه شرکتهای بیمه با رقابتی گسترده برای جذب و نگهداری مشتریان وفادار روبهرو هستند؛ بنابراین اهمیت مدلهای پیش بینی وفاداری مشتریان بیش از گذشته نمایان شده است که موجب سهم بازار گستردهتری برای شرکتها میشود. بنابراین هدف اصلی پژوهش حاضر شناسایی عوامل مؤثر بر وفاداری مشتریان و توسعه مدلی جهت پیشبینی میزان وفاداری ...
بیشتر
هدف: امروزه شرکتهای بیمه با رقابتی گسترده برای جذب و نگهداری مشتریان وفادار روبهرو هستند؛ بنابراین اهمیت مدلهای پیش بینی وفاداری مشتریان بیش از گذشته نمایان شده است که موجب سهم بازار گستردهتری برای شرکتها میشود. بنابراین هدف اصلی پژوهش حاضر شناسایی عوامل مؤثر بر وفاداری مشتریان و توسعه مدلی جهت پیشبینی میزان وفاداری آنها در صنعت بیمه و در شرکتهای بیمه بود.روششناسی پژوهش: این پژوهش از نظر رویکرد، کمی از نظر گردآوری اطلاعات، پیمایشی و از نظر نتایج حاصله، کاربردی بود. در چارچوب این پیمایش از تحلیل عاملی تأییدی و شبکههای عصبی مصنوعی استفاده شد. به منظور بومی سازی عوامل مستخرج از ادبیات نظری و همچنین رفع تناقضات موجود در مؤثر بودن یا نبودن عوامل در ادبیات پژوهش، در ابتدا عوامل با استفاده از تحلیل عاملی تأییدی و نرم افزار SMART PLS3 مورد بررسی قرار گرفت و تأثیرات آن بر وفاداری مشتریان سنجیده شد. سپس عوامل تأیید شده به عنوان ورودی برای آموزش شبکهی عصبی مصنوعی با نرم افزار MATLAB R2019b در نظر گرفته شد.یافتهها: در این پژوهش حجم نمونه بر اساس جدول مورگان حجم جامعه نامحدود در سطح خطای 0.05 درصد، 384 نفر در نظر گرفته شد. سپس تعداد 436 پرسشنامه به صورت تصادفی ساده بین بیمه گذاران چهار شرکت بیمه شامل: بیمه ایران، شرکت بیمه آسیا، شرکت بیمه البرز، شرکت بیمه پارسیان توزیع گردید و 384 پرسشنامه کامل دریافت گردید. پس از تحلیل نتایج حاصله از روش تحلیل عاملی تاییدی، عوامل تعهد، کیفیت ادراک شده، اعتماد، ارزش ادراک شده، همدلی، تصویر برند، جذابیت گزینههای دیگر، رضایت مشتری بر وفاداری مشتریان در شرکتهای بیمه ایران تأثیر داشت و عامل هزینه جابجایی بر وفاداری مشتری تأثیر ناچیزی داشت. در نهایت مدل مورد هدف پژوهش برای پیش بینی وفاداری با 8 نورون ورودی، 110 نورون لایه میانی و 1 خروجی با سطح خطای 0.00992 و رگرسیون 0.98694 طراحی گردید.اصالت/ارزش افزوده علمی: برونداد این پژوهش، مدلی جهت پیش بینی وفاداری مشتریان شرکتهای بیمهای در کشور ایران فراهم میکند تا این شرکتها بتوانند بر عواملی که منجر به حفظ وفاداری مشتریان میشود سرمایه گذاری کنند.
تصمیم گیری براساس شبکه عصبی/ یادگیری عمیق
یوسف ابراهیمی؛ یعقوب علوی متین؛ سحر خوش فطرت؛ حسن رفاقت
چکیده
هدف: بانک ها بهعنوان یک بنگاه اقتصادی خدماتی و مالی ضمن همراهی با برنامه های اقتصادی کشورها، به دنبال کسب منفعت برای ذینفعان خود میباشند. در جهت دستیابی به این اهداف، باید توانایی تجهیز و تخصیص بهینه منابع خود را داشته باشند. یکی از مسائل مهم، شناخت عوامل مؤثر در جذب منابع هست که هدف این پژوهش، ارائه الگویی مناسب برای شناسایی عوامل ...
بیشتر
هدف: بانک ها بهعنوان یک بنگاه اقتصادی خدماتی و مالی ضمن همراهی با برنامه های اقتصادی کشورها، به دنبال کسب منفعت برای ذینفعان خود میباشند. در جهت دستیابی به این اهداف، باید توانایی تجهیز و تخصیص بهینه منابع خود را داشته باشند. یکی از مسائل مهم، شناخت عوامل مؤثر در جذب منابع هست که هدف این پژوهش، ارائه الگویی مناسب برای شناسایی عوامل تأثیرگذار بر تأمین منابع است.روش شناسی پژوهش: برای رسیدن به هدف تحقیق، با مرور پیشینه تحقیق، رسالت بانک و نظرات کارشناسان بانکی، 62 عامل در قالب پرسشنامهای ارائه شد. پرسشنامه پس از تایید خبرگان بانکی، جهت انجام پیش آزمون در یک نمونه 30 نفره از کارکنان بانک تجارت استان زنجان توزیع شد. سپس پایایی آن با آلفای کرنباخ آزمون و تایید گردید. بعد از جمع آوری میدانی دادههای پژوهش، مولفه های موثر در دو گروه اصلی عوامل برون سازمانی و درون سازمانی قرار گرفتند. سپس عوامل درون سازمانی به چهار زیرگروه؛ مالی، فیزیکی، خدماتی و عوامل ارتباطی و انسانی تفکیک شد. در نهایت مدل اصلی پژوهش با استفاده از مدل شبکههای عصبی بدون ناظر(نگاشتهای خود سازمانده) استخراج و به تحلیل داده های پژوهش پرداخته شد.یافته ها: یافته های پژوهش نشان می دهد که، از مجموعه عوامل تاثیر گذار بر تامین منابع بانکی، عوامل ارتباطی و انسانی بیشترین تاثیر و عوامل برون سازمانی کمترین تاثیر را داشتند. همچنین با توجه به عدم تشابه بین الگوهای بردارهای ورودی پژوهش، همبستگی بین هر کدام از عوامل موثر بر تجهیز منابع تایید نشد.اصالت/ارزش افزوده علمی: در این پژوهش با استفاده از رویکرد جدیدی از مدل شبکه های عصبی (نگاشت های خود سازمانده ) به شناسایی و وزن دهی عوامل موثر بر تجهیز منابع بانکی پرداخته شده که یافتههای آن به توسعۀ ادبیات حوزۀ بانکی در بخش تجهیز منابع، کمک میکند.