جستجو در مقالات منتشر شده
۵ نتیجه برای رگرسیون لجستیک
سید نظام الدین مکیان، سید محمد تقی المدرسی، سلیم کریمی تکلو،
دوره ۱۰، شماره ۲ - ( ۴-۱۳۸۹ )
چکیده
یکی از مهم ترین موضوع های مطرح شده در زمینه مدیریت مالی، این است که سرمایه گذاران فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابعشان را در فرصت های مناسب سرمایه گذاری کنند. از مهمترین روش‌هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش بینی ورشکستگی از مدل شبکه های عصبی به همراه مقایسه آن با دو روش آماری رگرسیون لجستیک و تحلیل ممیزی استفاده شده است.
در این مقاله علاوه بر معرفی مدل های شبکه های عصبی، یک مدل شبکه عصبی برای پیش بینی ورشکستگی شرکت های تولیدی طراحی شده است که برای استان کرمان مورد استفاده قرار گرفته است. اطلاعات استفاده شده مربوط به دوره زمانی ۱۳۸۶-۱۳۷۴ می باشد. نتایج پژوهش نشان می دهد که مدل ANN از دو روش آماری دیگر دقت بالاتری در پیش بینی دارد. همچنین مدل ANN نشان داد که هیچ کدام از این شرکت های تولیدی در سال بعد از دوره مورد بررسی، ورشکسته نخواهند شد.
محمدرحیم رمضانیان، اکرم اویسی عمران، کیخسرو یاکیده،
دوره ۱۴، شماره ۳ - ( ۶-۱۳۹۳ )
چکیده
بانکها نقش مهمی در اقتصاد ملی و رشد و شکوفایی آن ایفا میکنند. در این راستا پژوهشهای چندی در مورد ارزیابی عملکرد بانکها با استفاده از «تحلیل پوششی دادهها (DEA)» انجام شده است. اما در اکثر این پژوهشها، توجه چندانی به انتخاب متغیرهای ورودی و خروجی نشده و این در حالی است که تغییر در مجموعه متغیرها باعث میشود که کارآییواحدهای تصمیمگیرنده و ارزیابیهای حاصل بسیار متفاوت باشند. از اینرو در این تحقیق، به منظور انتخاب متغیرهای ورودی و خروجی، از روش رگرسیون لجستیک استفاده شده است.
نتایج به‌کارگیری این روش بیانگر آن است که متغیرهای اصلی در این مدل عبارتند از: «متغیر ورودی منابع اصلی تأمین مالی و متغیرهای خروجی میزان تسهیلات، میزان جذب منابع و تعداد اسناد». این متغیرها دارای بیشترین میزان تأثیر بر روی پیشبینی کارآییو ناکارآیی واحدهامیباشند.
سپس با استفاده از این مجموعه متغیرها به تعیین کارآیی فنی، تخصیصی و کل، ۱۵ شعبه از شعب بانک سپه در سطح کل استان تهران در طی سال ۱۳۹۰ پرداخته شد.
نتایج حاکی از این بود که ۲۷ درصد واحدها ۱۰۰ درصد کارا، ۲۰ درصد از واحدها ۱۰۰ ناکارا هستند. ۲۰ درصد واحدها ناکارای تخصیصی و ۳۴ درصد از واحدها ناکارای فنی هستند.
ناصر جمشیدی، غلامرضا جندقی، رضا تهرانی،
دوره ۱۴، شماره ۳ - ( ۶-۱۳۹۳ )
چکیده
این تحقیق به بررسی علل معوق شدن تسهیلات در بانک قرضالحسنه مهرایران می پردازد. هدف این تحقیق مدل سازی علل معوق شدن تسهیلات قرضالحسنه میباشد. برای مدل سازی علل معوق شدن تسهیلات اعطایی به مشتریان در این تحقیق، تأثیر متغیرهای مستقل شامل نوع وثیقه اخذ شده از مشتریان، ارزش وثیقه اخذ شده، زمینه استفاده از تسهیلات، مدت زمان بازپرداخت تسهیلات و مبلغ تسهیلات بر متغیر وابسته معوق شدن تسهیلات مورد بررسی قرار گرفته است.
جامعه مورد بررسی در این تحقیق، مشتریان شعب بانک قرضالحسنه مهرایران در شهر تهران در دوره زمانی چهار ساله از ۱۳۸۶ تا ۱۳۹۰ می باشد که با روش نمونه گیری خوشه ای انتخاب و مورد بررسی قرار گرفتند. برای مدل سازی معوق شدن تسهیلات، دو روش رگرسیون لجستیک و تحلیل تشخیصی بهکار گرفته شدند و با استفاده از نرم افزار آماری spss داده ها مورد بررسی و تحلیل قرار گرفتند.
بر اساس نتایج تحقیق، ضمن معنی داری مدل های بهدست آمده از هر دو روش رگرسیون لجستیک و تحلیل تشخیصی، مدل بهدست آمده از روش رگرسیون لجستیک، قدرت تفکیک بیشتری در پیش بینی احتمال معوق شدن تسهیلات اعطایی به مشتریان دارد؛ بهطوریکه با استفاده از این روش ۸۲ درصد از تسهیلات معوق شده و ۵۴ درصد از تسهیلات غیر معوق به درستی تفکیک شده اند. همچنین از بین متغیر های مستقل، متغیر نوع وثیقه(چک و گواهی کسر از حقوق) دارای تأثیر منفی و متغیر زمینه استفاده از تسهیلات (از نوع ودیعه مسکن و متفرقه) دارای تأثیر مثبت بر متغیر وابسته (معوق شدن تسهیلات) دارند.
دوره ۱۵، شماره ۳ - ( ۸-۱۳۹۰ )
چکیده
ارزیابی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران: مطالعه مقایسه ای بین تحلیل پوششی داده ها و رگرسیون لجستیک
محمد رضا رستمی۱، میرفیض فلاح شمس۲، فرزانه اسکندری۳
۱- استادیار مدیریت مالی دانشکده علوم اجتماعی، دانشگاه الزهرا، تهران، ایران
۲- استادیار مدیریت مالی، دانشگاه آزاد تهران مرکزی، تهران، ایران
۳- دانشجوی کارشناسی ارشد مدیریت مالی دانشکده علوم اجتماعی، دانشگاه الزهرا، تهران، ایران
دریافت: ۱۴/۶/۸۹ پذیرش: ۲۲/۵/۹۰
چکیده
ارزیابی درماندگی مالی شرکت ها بسیار حایز اهمیت است؛ زیرا شکست شرکت هزینه های مستقیم و غیر مستقیم بسیاری را برای ذینفعان به همراه دارد. از این رو استفاده از نسبت های مالی برای ارزیابی درماندگی مالی شرکت ها همیشه مورد توجه اعتبار دهندگان، سهام داران و تحلیلگران مالی بوده است. ارزیابی و پیش بینی به موقع و صحیح می تواند تصمیم گیرندگان را در یافتن راه حل بهینه و پیشگیری از درماندگی مالی یاری کند. تاکنون از الگوهای گوناگونی برای ارزیابی درماندگی مالی استفاده شده است. الگوهای به کار گرفته شده در این زمینه کاربرد بسیار زیادی در تصمیم های فعالان بازار مالی دارد. همواره سعی شده است تا دقت پیش بینی و ارزیابی این الگوها با استفاده از روش های پیشرفته تر بهبود پیدا کند.
در این پژوهش، هدف اصلی بررسی کارایی استفاده از الگوی جمعی تحلیل پوششی داده ها (DEA) و رگرسیون لجستیک (LR) در ارزیابی درماندگی مالی شرکت ها می باشد، هم چنین نتایج الگوی DEA با رگرسیون لجستیک (LR) مورد قیاس قرار گرفته است. یافته های تحقیق نشان می دهد که الگوی LR نسبت به الگوی جمعی روش تحلیل پوششی داده ها در ارزیابی درماندگی مالی درون نمونه ای به طور معناداری بهتر عمل کرده است.
دوره ۲۳، شماره ۱ - ( ۳-۱۳۹۸ )
چکیده
امروزه طیف وسیعی از مدل های تحلیل مکانی در پهنه بندی مخاطرات محیطی مورد استفاده قرار گرفته اند. برخی از مدل ها مانند تحلیل سلسله مراتبی و فازی، علی رغم لحاظ کردن عدم قطعیت در متغیرهای ورودی، از تبیین کمی مقادیر عدم قطعیت در خروجی ناتوان هستند. در این مطالعه، هدف ارزیابی قابلیت های الگوریتم دمپستر- شفر در تبیین عدم قطعیت در نتایج خروجی برای پهنه بندی خطر زمین لغزش در جنوب شهرستان چالوس می باشد. بنابراین پس از بررسی های میدانی و مرور مطالعات مشابه نقشه ۱۰ عامل در محیط GIS تهیه و به عنوان داده های ورودی به همراه نقشه پراکنش زمین لغزش های موجود به مدل معرفی شدند. پهنه بندی خطر زمین لغزش با ادغام لایه های مختلف وزنی در مدل دمپستر-شفر انجام و به منظور ارزیابی خروجی مدل از مدل رگرسیون لجستیک استفاده گردید؛ کارایی دو مدل بر اساس نتایج خروجی مدل ها و با استفاده از دو شاخص نسبت تراکم (Dr) و جمع مطلوبیت (Qs) مورد ارزیابی و صحت سنجی قرار گرفت. نتایج حاصلDr نشان داد که در هر دو مدل در تشخیص کلاس های با خطر بالا نسبت به کلاس های با خطر پایین خوب عمل نموده اند و از بین دو مدل بر اساس نتایج شاخص Qs، مدل دمپستر- شفر با ۰۲/۹۸=Qs نسبت به مدل رگرسیون لجستیک با ۶۶/۹۱=Qs دارای مطلوبیت نسبی بهتری است. بنابراین مدل D-S در تشخیص کلاس های خطر (قطعیت) و به تبع آن کلاس های عدم خطر (عدم قطعیت) در منطقه موفق تر عمل نموده است.
