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 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 پیش‌بینی وفاداری مشتریان بیش از گذشته نمایان شده است و میتواند موجب سهم بازار گسترده‌تری برای شرکت‌ها می‌شود. 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 پیش‌بینی وفاداری مشتریان بیش از گذشته نمایان شده است و میتواند موجب سهم بازار گسترده‌تری برای شرکت‌ها می‌شود. 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 است.روش‌شناسی پژوهش: این پژوهش ازنظر رویکرد، کمی، ازنظر گردآوری اطلاعات، پیمایش و ازنظر نتایج حاصله، کاربردی است. در چارچوب این پیمایش از تحلیل عاملی تاییدی و شبکه‌های عصبی مصنوعی استفاده‌شده است. به‌منظور بومی‌سازی عوامل مستخرج از ادبیات نظری و همچنین رفع تناقضات موجود در مؤثر بودن یا نبودن عوامل به‌دست‌آمده از ادبیات پژوهش، در ابتدا عوامل با استفاده از تحلیل عاملی تاییدی و نرم‌افزار SMART PLS3 موردبررسی قرار گرفتند و تاثیرات آنها بر وفاداری مشتریان سنجیده شدند. سپس عوامل تایید‌شده به‌عنوان ورودی برای آموزش شبکه‌ی عصبی مصنوعی با نرم‌افزار MATLAB R2019b در نظر گرفته شد.یافته‌ها: در این پژوهش حجم نمونه بر اساس جدول مورگان (حجم جامعه نامحدود و سطح خطای %0.05)، 384 نفر در نظر گرفته شده است. تعداد 436 پرسشنامه به‌صورت تصادفی ساده بین بیمه‌گذاران چهار شرکت بیمه شامل بیمه ایران، شرکت بیمه آسیا، شرکت بیمه البرز، شرکت بیمه پارسیان توزیع گردید و 384 پرسشنامه کامل دریافت شد. پس از تحلیل نتایج حاصله از روش تحلیل عاملی تاییدی، عوامل تعهد، کیفیت ادراک‌شده، اعتماد، ارزش ادراک‌شده، همدلی، تصویر برند، جذابیت گزینه‌های دیگر، رضایت مشتری بر وفاداری مشتریان در شرکت‌های بیمه ایران تاثیر داشتند و عامل هزینه جابجایی بر وفاداری مشتری تاثیر ناچیزی داشت. درنهایت مدل مورد هدف پژوهش برای پیش‌بینی 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 پیش‌بینی وفاداری مشتریان شرکت‌های بیمه‌ای در کشور ایران فراهم می‌کند تا این شرکت‌ها بتوانند بر عواملی که منجر به حفظ وفاداری مشتریان می‌شود سرمایه‌گذاری کنند.
تصمیم گیری براساس شبکه عصبی/ یادگیری عمیق
یوسف ابراهیمی؛ یعقوب علوی متین؛ سحر خوش فطرت؛ حسن رفاقت
چکیده
هدف: بانک‌ها به‌عنوان یک بنگاه اقتصادی خدماتی و مالی ضمن همراهی با برنامه‌های 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 مسایل مهم، شناخت عوامل موثر در جذب منابع می‌باشد که هدف این پژوهش، ارایه الگویی مناسب برای شناسایی ...
بیشتر
هدف: بانک‌ها به‌عنوان یک بنگاه اقتصادی خدماتی و مالی ضمن همراهی با برنامه‌های 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 مسایل مهم، شناخت عوامل موثر در جذب منابع می‌باشد که هدف این پژوهش، ارایه الگویی مناسب برای شناسایی عوامل تاثیرگذار بر تامین منابع است.روش‌شناسی پژوهش: برای رسیدن به هدف تحقیق، با مرور پیشینه تحقیق، رسالت بانک و نظرات کارشناسان بانکی، 62 عامل در قالب پرسشنامه‌ای ارایه 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، مولفه‌های 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 خود‌سازمانده) استخراج و به تحلیل داده‌های پژوهش پرداخته شد.یافته‌ها: یافته‌های پژوهش نشان می‌دهد که از مجموعه عوامل تاثیرگذار 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 شبکه‌های عصبی (نگاشت‌های خود سازمانده) به شناسایی و وزن‌دهی عوامل موثر بر تجهیز منابع بانکی پرداخته شده که یافته‌های آن به توسعه ادبیات حوزه بانکی در بخش تجهیز منابع، کمک می‌کند.
