تقييم أداء نماذج الذكاء الاصطناعي في التنبؤ بالتعثر المالي: دراسة تطبيقية على الشركات المقيدة في البورصة خلال الفترة من 2007-2022
| العنوان بلغة أخرى: |
Evaluation of The Artificial Intelligence Models in Financial Distress Prediction in Egyptian Listed Companies During 2007-2022 |
|---|---|
| المصدر: | مجلة جامعة الإسكندرية للعلوم الإدارية |
| الناشر: | جامعة الإسكندرية - كلية التجارة |
| المؤلف الرئيسي: | عبدالرازق، مروة محمد (مؤلف) |
| المؤلف الرئيسي (الإنجليزية): | Abdel Razek, Marwa Mohamad |
| مؤلفين آخرين: | زكي، إيمان محب (م. مشارك) , حسن، وائل مصطفى (م. مشارك) |
| المجلد/العدد: | مج61, ع6 |
| محكمة: | نعم |
| الدولة: |
مصر |
| التاريخ الميلادي: |
2024
|
| الشهر: | أكتوبر |
| الصفحات: | 407 - 798 |
| ISSN: |
2682-4183 |
| رقم MD: | 1544655 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | العربية |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
نماذج التعلم الجماعي Learning Ensemble | خوارزميات التعلم Clustering Algorithm | التنبؤ بالتعثر المالي | EM-Z Score | الذكاء الاصطناعي | Artificial Intelligence | Ensemble Learning Models | Clustering Algorithm | Financial Distress Prediction
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
تهدف هذه الدراسة إلى تقييم أداء نماذج الذكاء الاصطناعي، مع التركيز على نماذج تعلم الآلة الخاضع للإشراف وغير الخاضع له، وذلك في التنبؤ بالتعثر المالي، ولتحقيق هدف الدراسة تم اختيار نماذج التعلم الجماعي Ensemble Learning كأحد أنواع تعلم الآلة الخاضع للإشراف، وخوارزميات التجميع Clustering Algorithm كأحد أنواع تعلم الآلة غير الخاضع للإشراف، وذلك على 44 شركة مقيدة في البورصة المصرية تعمل في القطاع العقاري والتشييد ومواد البناء خلال الفترة من 2017 حتى 2022. أسفرت نتائج الدراسة عن تفوق أداء مجموعة التعلم الجماعي (ENSEMBLE LEARNING) الخاضعة للإشراف على نموذج (CLUSTERING ALGORITHM) غير الخاضع للإشراف. This paper aims to evaluate artificial intelligence in financial distress prediction, to reach our purpose, we collect data from 44 Egyptian listed companies during the period of 2007- 2022, ensemble leaning machine and clustering algorithm were trained and tested, based on their validation test, we conclude that ensemble learning outperform clustering algorithm in prediction financial distress. |
|---|---|
| ISSN: |
2682-4183 |
عناصر مشابهة
-
استخدام نموذج الذكاء الاصطناعي في التنبؤ بالتعثر المالي: دراسة تطبيقية على شركات مواد البناء والمقاولات والانشاءات الهندسية والقطاع العقاري المقيدة في البورصة المصرية خلال الفترة من 2007 حتى 2022
بواسطة: عبدالرازق، مروة محمد منشور: (2025) -
دراسة أثر الحوكمة والمعلومات الاقتصادية والمالية على التنبؤ بالتعثر المالي باستخدام الذكاء الاصطناعي
بواسطة: عبدالرازق، مروة محمد منشور: (2024) -
أثر استخدام الشبكات العصبية الاصطناعية كأحد أساليب الذكاء الاصطناعي في التنبؤ بالفشل المالي للشركات: دراسة تطبيقية على الشركات المدرجة في سوق الأوراق المالية
بواسطة: القرا، ماهر عصام سعيد منشور: (2024) -
إمكانية التنبؤ بالتعثر المالي باستخدام نموذج الانحدار البروبيتي: دراسة تطبيقية على الشركات المدرجة في بورصة فلسطين
بواسطة: أبو حلوب، تامر رفيق عبداللطيف منشور: (2021) -
أثر الأبعاد الحاكمة لنموذج إدارة الموارد البشرية لسنغافورة على كفاءة أداء الصناعات التحويلية: دراسة ميدانية بالتطبيق على شركات القطن والغزل والنسيج في مصر
بواسطة: الباز، محمد مصطفى علي منشور: (2024)
