تصمیم گیری براساس شبکه عصبی/ یادگیری عمیق
امین اله ضرقامی؛ میثم دعائی؛ آبتین بوستانی
چکیده
هدف: اخراج شرکت‌ها با وجود اهمیت در مسایل اقتصادی و اجتماعی جامعه، کم‌تر در ادبیات مالی مورد‌‌توجه قرار گرفته است. این موضوع از آن جهت دارای اهمیت است که برای هر کشور، یکی از معیارهای سنجش اقتصادی، حجم بازار سرمایه می‌باشد؛ بنابراین اخراج شرکت‌ها نه‌تنها باعث از بین رفتن اعتبار شرکت، قیمت سهام و بازار فروش سهام آن شرکت ...
بیشتر
هدف: اخراج شرکت‌ها با وجود اهمیت در مسایل اقتصادی و اجتماعی جامعه، کم‌تر در ادبیات مالی مورد‌‌توجه قرار گرفته است. این موضوع از آن جهت دارای اهمیت است که برای هر کشور، یکی از معیارهای سنجش اقتصادی، حجم بازار سرمایه می‌باشد؛ بنابراین اخراج شرکت‌ها نه‌تنها باعث از بین رفتن اعتبار شرکت، قیمت سهام 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 لغوپذیرششده می‌باشد تا به کمک فنون مدل‌سازی هوش مصنوعی، مدلی را برای پیش‌بینی شرکت‌های لغوپذیرششده 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 حذف‌شده از بورس از سال 1382 تا سال 1397 در گروه اول و داده‌های 148 شرکت فعال که به‌صورت مستمر در بورس حضور داشتند در گروه دوم و با روش حذفی سیستماتیک انتخاب گردیدند. سپس با تکنیک‌های داده‌کاوی که از کارآمدترین و به‌روزترین مدل‌های هوش مصنوعی هستند و به کمک طبقه‌بندهای شبکه عصبی پرسپترون چندلایه، درخت تصمیم، و طبقه‌بند نظریه بیز به پیش‌بینی شرکت‌های لغوپذیرششده از بورس پرداخته شده است.یافته‌ها: یافته‌ها نشان می‌دهد بهترین عملکرد را طبقه‌بند بیز داشته است و شبکه عصبی پرسپترون چندلایه در جایگاه دوم و طبقه‌بند درخت تصمیم در جایگاه سوم قرار گرفته است.اصالت/ارزش افزوده علمی: پژوهش‌های کمی در حوزه پیش‌بینی 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 طبقهبندها، ترکیب کردن چندین طبقه‌بند با یکدیگر به‌منظور پوشش بهتر خطاهای هر یک، ترکیب کردن طبقهبندها با یکدیگر و وزن‌دهی 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 به دست آید.
تصمیم گیری در کسب و کارهای نوین
الهام فاضلی ویسری؛ محمد جواد تقی پوریان؛ رضا طاولی؛ قیدر قنبرزاده
چکیده
هدف پژوهش حاضر شناسایی مولفه‌ها و توسعه یک الگو جهت ارائه قوانین بهینه بازاریابی ویروسی در کسب و کارهای آنلاین می‌باشد. یک پژوهش کاربردی و از نظر روش، آمیخته (کمی و کیفی) می‌باشد. جامعه آماری پژوهش در‌بخش کیفی شامل 15 نفر در نسلهای سه‌گانه X، Y و Z (نسل بازاریابی ملینیوم) و در‌بخش کمی شامل 460 نفر از خریداران آنلاین می‌باشد. ابزار گردآوری ...
بیشتر
هدف پژوهش حاضر شناسایی مولفه‌ها و توسعه یک الگو جهت ارائه قوانین بهینه بازاریابی ویروسی در کسب و کارهای آنلاین می‌باشد. یک پژوهش کاربردی و از نظر روش، آمیخته (کمی و کیفی) می‌باشد. جامعه آماری پژوهش در‌بخش کیفی شامل 15 نفر در نسلهای سه‌گانه X، Y و Z (نسل بازاریابی ملینیوم) و در‌بخش کمی شامل 460 نفر از خریداران آنلاین می‌باشد. ابزار گردآوری داده‌ها در‌بخش کیفی تکنیک فرافکنی می‌باشد و از مصاحبه عمیق استفاده شده است. با استفاده از نرم‌افزار MAXQDA مصاحبه‌ها تحلیل و جمع‌بندی شده که از این طریق شش مولفه شناسایی گردید و سپس در‌بخش کمی از 12 خبره برای تعیین شاخص لاوشه استفاده شد و در ادامه تحلیل عاملی اکتشافی به‌وسیله نرم‌افزار SPSS انجام گرفت. از آن‌جا که انتخاب موثرترین مولفه‌های جدید بازاریابی ویروسی میتواند تاثیر زیادی در دقت مدل بازاریابی ویروسی در کسب‌وکارهای آنلاین داشته باشد، جهت شناسایی تاثیرگذارترین مولفه‌ها از الگوریتم فراابتکاری ژنتیک استفاده شد که نرم‌افزارهای به‌کارگرفته شده در این‌بخش WEKAو RAPIDMINERمی‌باشد. در نهایت با استفاده از روش درخت تصمیم قوانین بهینه‌سازی بازاریابی ویروسی شناسایی گردید. یافته‌ها ابتدا در‌بخش کیفی حاکی از آن است که ترغیب آنلاین، اعتماد آنلاین، پشتیبانی آنلاین، خدمات آنلاین، جذابیت آنلاین و ریسک‌پذیری آنلاین بعنوان مولفه‌های بازاریابی ویروسی می‌باشند. در ادامه در‌بخش کمی و الگوریتم ژنتیک نشان داد که مولفه‌ی ریسک‌پذیری آنلاین نمی‌تواند به‌عنوان مولفه اثرگذار جهت مدل‌سازی و استخراج قوانین بازاریابی ویروسی به‌کار گرفته شود، بنابراین از میان شش مولفه حذف گردید
