ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > التنبؤ بالتعثر المالي لشركات ا...>الوصف
يجب تسجيل الدخول أولا

التنبؤ بالتعثر المالي لشركات المساهمة المدرجة في السوق المالية السعودية باستخدام الشبكات العصبية الاصطناعية

العنوان بلغة أخرى: Predicting the Financial Distress of Joint-Stock Companies Listed on the Saudi Stock Exchange Market Using Artificial Neural Networks
المصدر: المجلة العربية للنشر العلمي
الناشر: مركز البحث وتطوير الموارد البشرية - رماح
المؤلف الرئيسي: يوسف، أحمد هاشم أحمد (مؤلف)
المؤلف الرئيسي (الإنجليزية): Yousef, Ahmed Hashim Ahmed
مؤلفين آخرين: أبكر، عماد يعقوب حامد (م. مشارك) , خاطر، آدم هارون عمر (م. مشارك)
المجلد/العدد: ع48
محكمة: نعم
الدولة: الأردن
التاريخ الميلادي: 2022
الشهر: تشرين الأول
الصفحات: 7 - 27
ISSN: 2663-5798
رقم MD: 1436508
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch, HumanIndex
مواضيع:
الشبكات العصبية الاصطناعية | شركات المساهمة | التعثر المالي | الأسواق المالية | السعودية
كلمات المؤلف المفتاحية:
التعثر المالي | التنبؤ | نماذج الشبكات العصبية الاصطناعية | Financial Distress | Prediction | Artificial Neural Network Models
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

24

حفظ في:
المستخلص: هدفت هذه الدراسة إلى بناء نموذج رياضي للتنبؤ والتصنيف باستخدام تقنية الشبكات العصبية الاصطناعية وذلك من اجل التنبؤ بالتعثر المالي لشركات المساهمة المدرجة في السوق المالية السعودية وتصنيفها وفقاً لحالتها المالية إلى شركات متعثرة وغير متعثرة. تم بناء النموذج باستخدام شبكة البيرسبترون متعدد الطبقات MLP وبالاعتماد على بعض المتغيرات المالية لهذه الشركات كعوامل مؤثرة في الحالة المالية للشركة، وتم التطبيق على بيانات عينة من 12 شركة نصفها متعثر مالياً والنصف الآخر غير متعثر، حيث غطت الدراسة الفترة الزمنية من 2011 م إلى 2016 م. وقد أظهرت نتائج الدراسة لنموذج شبكة MLP ذو البنية المعمارية (1-1-7) قدرة عالية في التنبؤ بالحالة المالية للشركات وتصنيفها إلى شركات متعثرة وغير متعثرة. حيث بلغت النسبة الإجمالية للتصنيف الصحيح 98.6% وذلك وفقاً لمعيار معدل التصنيف الصحيح CCR، حيث استطاع النموذج التعرف على الحالة المالية للشركات في 71 حالة من جملة 72 حالة تمثل عينة الدراسة. وهذه النسبة المرتفعة تعتبر مؤشر جيد لجودة ودقة هذا النموذج في التنبؤ والتصنيف. كما أظهرت النتائج كذلك الأهمية النسبية للمدخلات التي ساهمت في تدريب نموذج الشبكة، فكانت المتغيرات المالية الأكثر تأثير في النموذج هي: القيمة الدفترية لأجمالي الديون وبلغت نسبة أهميتها 35.87%، الأرباح المحتجزة بنسبة 27.54%، الإيرادات بنسبة 24.85% وصافي رأس المال العامل بنسبة 9.71%. ونستنتج من ذلك أهمية هذه المتغيرات المالية وتأثيرها في التنبؤ بالحالة المالية للشركة.

The purpose of this study is to build a mathematical model for prediction and classification using the artificial neural network technique, in order to predict the financial failure of joint stock companies listed in the Saudi stock market and classify them according to their financial status into troubled and non-failed companies. The model was built using the MLP multi-layer Perceptron network and based on some of the financial variables of these companies as factors affecting the company's financial condition. It was applied to sample data from 12 companies, half of which are financially distressed and the other half are not, as the study covered the period from 2011 to 2016. The study results of the MLP network model with architecture (7-1-1) showed a high ability to predict the financial condition of companies and classify them into troubled and non-performing companies. Where the total percentage of the correct classification amounted to 98.6%, according to the criterion of the correct rating rate CCR, where the model was able to identify the financial status of the companies in 71 cases out of 72 cases representing the study sample. This high percentage is a good indicator of the quality and accuracy of this model in prediction and classification. The results also showed the relative importance of the inputs that contributed to the training of the network model, the most influential financial variables in the model were: the book value of the total debts and its importance was 35.87%, retained earnings by 27.54%, revenues by 24.85% and net working capital by 9.71%. We conclude from this the importance of these financial variables and their impact on predicting the financial condition of the company.
ISSN: 2663-5798

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.