Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
1,083,500

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " علوم اقتصادی " با موضوع " [کاربرد] روش تقویتی بهینه مبتنی بر گزینش ویژگی در پیش بینی ورشکستگی شرکت ها " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
[کاربرد] روش تقویتی بهینه مبتنی بر گزینش ویژگی در پیش بینی ورشکستگی شرکت ها
نویسنده/ناشر/نام مجله :
Expert Systems with Applications
سال انتشار
2014
کد محصول
1006762
تعداد صفحات انگليسی
9
تعداد صفحات فارسی
20
قیمت بر حسب ریال
1,083,500
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
1 مگا بایت
تصویر پیش فرض




Abstract

With the recent financial crisis and European debt crisis, corporate bankruptcy prediction has become an increasingly important issue for financial institutions. Many statistical and intelligent methods have been proposed, however, there is no overall best method has been used in predicting corporate bankruptcy. Recent studies suggest ensemble learning methods may have potential applicability in corporate bankruptcy prediction. In this paper, a new and improved Boosting, FS-Boosting, is proposed to predict corporate bankruptcy. Through injecting feature selection strategy into Boosting, FS-Booting can get better performance as base learners in FS-Boosting could get more accuracy and diversity. For the testing and illustration purposes, two real world bankruptcy datasets were selected to demonstrate the effectiveness and feasibility of FS-Boosting. Experimental results reveal that FS-Boosting could be used as an alternative method for the corporate bankruptcy prediction

چکیده

باتوجه به بحران اقتصادی اخیر و همچنین بحران اعتبار در اروپا، اهمیت پیش بینی ورشکستگی شرکت ها در نظر موسسات مالی افزایش یافت. روش های آماری و هوشمند مختلفی [به این منظور] ارائه شده است اما بطور کلی هیچ یک از این روشها عملکرد خیلی خوبی در زمینه پیش بینی ورشکستگی شرکتها نداشته اند. مطالعات اخیر نشان می دهند که روش های یادگیری جمعی می توانند در پیش بینی ورشکستگی شرکتها کاربرد داشته باشند. ترکیب ساز و کار گزینش ویژگی در روش تقویتی به شکل گیری FS-Boosting می انجامد که عملکرد بهتری خواهد داشت، چرا که در این روش، یادگیرنده های پایه می توانند دقت و تنوع را بالا ببرند. با هدف آزمایش و تشریح اهداف FS – Boosting دو مجموعه داده از شرکت های ورشکسته واقعی انتخاب شدند تا بازده و عملی بودن این روش را نشان دهند. نتایج آزمایش ها نشان داد که می توان از FS – Boosting به عنوان روشی جایگزین برای پیش بینی ورشکستگی شرکت ها استفاده نمود.

1- مقدمه

پیش بینی ورشکستگی شرکت یکی از علوم مدیریتی مهم است و هدف اصلی آن تمایز بین شرکتهایی با احتمال توقیف قانونی از شرکت های سالم است. علاوه بر این، اتخاذ تصمیمات نادرست در موسسات مالی می تواند به بروز مشکلات مالی یا توقیف شرکت بیانجامد و هزینه های اجتماعی زیادی را به مالکان یا سهامداران، مدیران، دولتها و غیره تحمیل نماید. به همین دلیل، نحوه پیش بینی ورشکستگی شرکتها به موضوعی پر طرفدار هم در حوزه های صنعتی و هم در تحقیقات دانشگاهی بدل شده است...


خدمات ترجمه تخصصی و ویرایش مقاله علوم اقتصادی در موسسه البرز


این مقاله ترجمه شده علوم اقتصادی در زمینه کلمات کلیدی زیر است:





Corporate bankruptcy prediction
Ensemble learning
Boosting
Feature selection

ثبت سفارش جدید