فایل ورد کامل مدل مبتنی بر قواعد جهت پیش بینی ورشکستگی بر اساس بهبود ژنتیکی الگوریتم مورچگان

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مدل مبتنی بر قواعد جهت پیش بینی ورشکستگی بر اساس بهبود ژنتیکی الگوریتم مورچگان،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۸ صفحه

در این مقاله، ما سیستم هیبرید را جهت پیش بینی ورشکستگی شرکت های بزرگ پیشنهاد کرده ایم. تمامی روش ها شامل چهار مرحله زیر می باشند: ابتدا، انتخاب متوالی پیش رو جهت استخراج ویژگی های مهم مورد استفاده قرار گرفته بود. دوم، مدل مبتنی بر قواعد جهت ارائه مجموعه داده ها از وقتی که توانست معنای فیزیکی به خود گیرد، انتخاب شد. سوم، الگوریتم ژنتیکی مورچگان (GACA) استراتژی پیمایشی مناسبی را ارائه کرد و عامل نابسامانی را با الگوریتم ژنتیکی مورچگان یکپارچه نمود، تشکیل یک الگوریتم جدید، متناسب با عامل نابسامانی الگوریتم ژنتیکی مورچگان (FSCGACA) می باشد که به دنبال پارامترهای بهینه از مدل مبتنی بر قواعد مورد استفاده قرار می گیرد، و در نهایت، قرار دادن طبقهK در روش اعتبار متقاطع به منظور افزایش و بهبودی کلیتی از مدل مورد استفاده قرار گرفته بود. آزمایشات شبیه سازی از هزارتا از داده های جمع آوری شدهء شرکت ها از سال ۲۰۰۶ تا ۲۰۰۹ نشان داد که مدل ارائه شده موثر واقع شده بود. این آزمایشات ۵ تا از مهمترین عوامل را به عناوین “درآمد خالص در برابری سهام بروکر”، “نسبت سریع”، “حقوق صاحبان سهام به کل دارایی ها،” درآمد کل دارایی ها” و هزینه های مالی نسبت به فروش را انتخاب نمود. ” کل خطاهای طبقه بندی شدهء نادرست پیشنهاد شده از FSCGACA تنها ۷.۹ درصد بود که نتایجی از الگوریتم ژنتیک (GA)، الگوریتم مورچگان (ACA)، و الگوریتم ژنتیکی مورچگان را بیش از حد درنظر گرفته بود. میانگین زمان محاسبه شده از مدل، ۲.۰۲ ثانیه بوده است.

عنوان انگلیسی:

A Rule-Based Model for Bankruptcy Prediction Based on an Improved Genetic Ant Colony Algorithm

~~en~~ writers :

Yudong Zhang, Shuihua Wang, and Genlin Ji

In this paper, we proposed a hybrid system to predict corporate bankruptcy. The whole procedure consists of the following four
stages: first, sequential forward selection was used to extract the most important features; second, a rule-based model was chosen
to fit the given dataset since it can present physical meaning; third, a genetic ant colony algorithm (GACA) was introduced; the
fitness scaling strategy and the chaotic operator were incorporated with GACA, forming a new algorithm—fitness-scaling chaotic
GACA (FSCGACA), which was used to seek the optimal parameters of the rule-based model; and finally, the stratified K-fold
cross-validation technique was used to enhance the generalization of the model. Simulation experiments of 1000 corporations’
data collected from 2006 to 2009 demonstrated that the proposed model was effective. It selected the 5 most important factors as
“net income to stock broker’s equality,” “quick ratio,” “retained earnings to total assets,” “stockholders’ equity to total assets,” and
“financial expenses to sales.” The total misclassification error of the proposed FSCGACA was only 7.9%, exceeding the results of
genetic algorithm (GA), ant colony algorithm (ACA), and GACA. The average computation time of the model is 2.02 s.

$$en!!