ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Machine Learning Models and Fi...>الوصف
يجب تسجيل الدخول أولا

Machine Learning Models and Financial Distress Prediction of Small and Medium Sized Firms: Evidence from Egypt

المصدر: مجلة جامعة الإسكندرية للعلوم الإدارية
الناشر: جامعة الإسكندرية - كلية التجارة
المؤلف الرئيسي: Shahwan, Tamer M. (Author)
مؤلفين آخرين: Fadel, Maisara Ahmed (Co-Author)
المجلد/العدد: مج57, ع1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2020
الشهر: يناير
الصفحات: 305 - 344
DOI: 10.21608/ACJ.2020.80006
ISSN: 2682-4183
رقم MD: 1098201
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
المؤشرات الاقتصادية | الاقتصاد الكلي | التعثر المالي | الشركات الصغيرة والمتوسطة | مصر
كلمات المؤلف المفتاحية:
التعثر المالي | الذكاء الاصطناعي | التنبؤ | الشركات الصغيرة والمتوسطة | Financial Distress | Artificial Intelligence | Prediction | Small and Medium Sized Firms
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تهدف هذه الدراسة إلى تقييم مساهمة المؤشرات المالية وخصائص الشركات، ومؤشرات الاقتصاد الكلي في التنبؤ بالتعثر المالي للشركات المصرية المساهمة الصغيرة والمتوسطة، ومن ناحية أخرى، تهدف الدراسة إلى مقارنة نماذج التنبؤ باستخدام الشبكات العصبية الاصطناعية، ومتجهات الدعم التمييزي كنماذج للتعلم الآلي المستمدة من الذكاء الاصطناعي، مع النماذج التقليدية مثل التحليل التمييزي متعدد المتغيرات والانحدار اللوجستي لتحديد التحسن في أداء نموذج التنبؤ بالتعثر المالي، بالنسبة لمساهمة المتغيرات غير المالية والاقتصادية. وقد توصلت نتائج الدراسة إلى أن استخدام كل من المتغيرات المالية ومتغيرات خصائص الشركات (العمر ونوع الصناعة) يزيد من دقة التنبؤ بالتعثر المالي بين الشركات من هذا النوع. وفي ذات الوقت، فإن إدراج المعلومات ذات الصلة بالاقتصاد الكلي ليس لها أي تأثير على الدقة التنبؤية للشبكات العصبية. علاوة على ذلك، ووفقا لنتائج استخدام عينة الاختبار ومقاييس الأداء تؤكد النتائج التي توصلت إليها الدراسة تفوق نموذج الشبكات العصبية المتعددة الطبقات من حيث دقة التنبؤ على باقي الأساليب الأخرى المستخدمة.

This study, using artificial neural networks, support vector machines as tools of machine learning derived from artificial intelligence (AI), multivariate discriminant analysis (MDA) and logistic regression (LR), assesses the role of financial ratios, firms' characteristics, and macroeconomic indicators in predicting financial distress among Egyptian small and medium-sized firms (SMEs). Our empirical findings reveal that combining financial variables with the variables of firms' characteristics (age and industry) increases the accuracy of predicting financial distress among firms of this kind. However, the inclusion of macroeconomic information has no impact on the predictive accuracy of neural networks. Moreover, in a comparison we also assess the predictive accuracy of multilayer perceptrons (MLPs) to support vector machines (SVM), and other traditional statistical techniques. According to the benchmarking results of the MDA, LR, SVM and MLP models, the neural network model (MLPs) outperforms MDA, LR and SVM as regards the predictive accuracy of the out-of-sample set.
ISSN: 2682-4183

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.