|
|
|
|
مروری برکاربرد الگوریتم های فراابتکاری در مباحث مالی
|
|
|
|
|
|
|
|
نویسنده
|
قاسمی جمال ,فرزاد سروه
|
|
منبع
|
بررسي هاي بازرگاني - 1398 - شماره : 96 - صفحه:56 -77
|
|
چکیده
|
هدف از انجام پژوهش حاضر بررسی کاربرد الگوریتم های فراابتکاری در حوزه مالی میباشد. الگوریتم های فراابتکاری مورد مطالعه در این تحقیق شامل الگوریتم کلونی مورچگان، الگوریتم کرم شبتاب، الگوریتم زنبور عسل، الگوریتم تجمعی ذرات، الگوریتم جستجوی هارمونی و الگوریتم جغرافیایزیستی می باشد. در این مقاله، ضمن بررسی هر یک از این الگوریتم ها به صورت مختصر، مطالعات داخلی و خارجی در این زمینه انجام گرفته و کاربرد آنها در زمینه ی امور مالی بیان شده است. نتایج حاصل از مطالعات نشان می دهد، پژوهش های بیشتر و در نهایت استفاده از این الگوریتم ها درپیش بینی های مربوط به مباحث مالی و بازار سرمایه می تواند تا حد قابل قبولی به افزایش عملکرد عملیات حسابداری و حسابرسی کمک کند. همچنین افزایش تحقیقات و فراهم نمودن زمینه های عملیاتی در سالهای اخیر نشاندهنده ی علاقمندی محققین و مرا کز تحقیقاتی در جهت توسعه ی این روشهای نوین به ویژه در بحث توسعه ی نرم افزاری است
|
|
کلیدواژه
|
الگوریتم کلونی زنبور عسل، الگوریتم کرم شب تاب، الگوریتم کلونی مورچگان، الگوریتم جغرافیای زیستی
|
|
آدرس
|
دانشگاه مازندران, دانشکده فنی و مهندسی, گروه مهندسی برق, ایران, دانشگاه مازندران, ایران
|
|
پست الکترونیکی
|
farzadsooroo@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
An Overview of the Application of Meta Heuristic Algorithms in Financial Field
|
|
|
|
|
Authors
|
QASEMI JAMAL ,FARZAD SERVEH
|
|
Abstract
|
Predicting financial distress is an important phenomenon for investors, creditors and other users of financial information. Determining the probability of a company’s distress before occurrence of distress and bankruptcy is considered as a very interesting and attractive subject and can be useful for both managers, and investors and creditors. In this study, using the data of 1350 year company in the period 2008 to 2016 in industry and mining sector in Iran, the factors affecting financial distress and predicting it through Intelligence Algorithms methods (NSGAII,ABC) have been studied. The results of the research indicate the indirect effect of the ratio of nonexecutive directors and the proportion of institutional owners and the direct effect of earnings management and management overconfidence on financial distress among other management variables. Also, the results show that the artificial intelligence algorithm can predict financial distress using management indicators and the ability of the ABC algorithm from NSGAII algorithm to predict financial distress is higher.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|