| LEADER |
05124nam a22002537a 4500 |
| 001 |
2283158 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|a عبدالرازق، مروة محمد
|g Abdel Razek, Marwa Mohamad
|e مؤلف
|9 817034
|
| 245 |
|
|
|a دراسة أثر الحوكمة والمعلومات الاقتصادية والمالية على التنبؤ بالتعثر المالي باستخدام الذكاء الاصطناعي
|
| 246 |
|
|
|a The Influence of Governance, Economic and Finncial Information on Predicting Financial Distress Using Artificial Intelligence
|
| 260 |
|
|
|b جامعة طنطا - كلية التجارة
|c 2024
|g ديسمبر
|
| 300 |
|
|
|a 395 - 446
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a استهدفت هذه الدراسة تحديد تأثير آليات الحوكمة وعوامل الاقتصاد والمؤشرات المالية في التعثر المالي باستخدام الذكاء الاصطناعي، ولتحقيق هدف الدراسة تم تجميع بيانات مالية لـ 44 شركة في قطاعات مواد البناء والمقاولات والتشييد والقطاع العقاري، واستخدمت الدراسة نموذج EM-Z SCORE للدول النامية، كما استخدمت عددا من نماذج الذكاء الاصطناعي الخاضع للإشراف ENSEMBLE LEARNING، وهي: Adaboost, Greadient boosting, Extreme gradient boosting, RANDOM FOREST, CAT- BOOST، واستخدمت معلومات غير مالية (آليات الحوكمة مثل مجلس الإدارة والمراجع الخارجي ولجان المراجعة)، وخصائص الشركات (حجم وعمر الشركة)، بالإضافة إلى عوامل الاقتصاد الكلي (التضخم وسعر الصرف والبطالة، سعر الفائدة ومعدل النمو)، بجانب المعلومات المالية (السيولة- الربحية- الملائمة ونسب الدين والرفع المالي ومعدلات التغطية)، خلال الفترة من 2007-2022. وأسفرت نتيجة الدراسة عن أن حوكمة الشركات وعوامل الاقتصاد وخصائص الشركات تشترك مع المؤشرات المالية في التنبؤ بالتعثر المالي للشركات، وأن أكثر العوامل المؤثرة في التعثر المالي، هي: عدد مرات لجان المراجعة، وملكية المديرين للأسهم، وتمثيل المرأة في مجلس الإدارة، وسعر الصرف والتضخم، ومعدل النمو، وحجم الشركة، ونسب الديون (الالتزامات المتداولة/ الأصول المتداولة)، والتدفقات النقدية من العمليات التشغيلية/ إجمالي الالتزامات. وتعد هذه الدراسة مهمة لكل من المديرين الماليين للحفاظ على الاستقرار المالي للشركة، والمستثمرين والمقرضين.
|b This research paper aims to investigate factors determine financial distress prediction used machine learning (supervised machine) to accomplish our goal we collect financial and nonfinancial data (governance, firm specific, micro- economic factors) in addition to financial ratio for 44 companies in materials, construction and real estate sector during the period between 2007-2022, and used ensemble leaning models ad boost, gradient boosting, extreme gradient boosting, RANDOM FOREST, CAT BOOST, results show The results of the study revealed that corporate governance, economic factors, and company characteristics coincide with financial indicators in predicting the financial failure of companies. The most influential factors in financial failure in Mali are: the number of visits to audit committees, managers’ ownership of shares, women’s representation on the board of directors, the exchange rate, and inflation. The growth rate, company size, debt ratios (current liabilities/ current assets), and cash flows from operations/ total liabilities. This study is important for both financial managers to maintain the financial stability of the company, investors and lenders.
|
| 653 |
|
|
|a حوكمة الشركات
|a الذكاء الاصطناعي
|a التعثر المالي
|a المخاطر الائتمانية
|
| 692 |
|
|
|a التنبؤ بالتعثر المالي
|a نموذج EM-ZSCORE
|a تعلم الآلة
|a نماذج الآلة الخاضعة للإشراف
|a Ensemble Learning Models
|b Governance
|b Machine Learning
|b Ensemble Learning
|b Financial Distress
|b Emz Score
|
| 700 |
|
|
|a زكي، إيمان محب
|g Zaki, Iman Moheb
|e م. مشارك
|9 817036
|
| 700 |
|
|
|a حسن، وائل مصطفى
|g Hassan, Wael Mustaf
|e م. مشارك
|9 766027
|
| 773 |
|
|
|4 الاقتصاد
|4 إدارة الأعمال
|6 Business
|6 Management
|c 011
|f Al-Tiǧāraẗ wa Al-Tamwīl
|l 004
|m ع4
|o 1025
|s مجلة التجارة والتمويل
|t Journal of Trade and Financing
|v 044
|x 1110-4716
|
| 856 |
|
|
|u 1025-044-004-011.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 1540053
|d 1540053
|
