@article { author = {Pourzamani, Zahra}, title = {The compilation of predicting patterns of financial distress using internal analysis data and artificial intelligent techniques’’}, journal = {Accounting and Auditing Research}, volume = {4}, number = {16}, pages = {120-135}, year = {2012}, publisher = {Licence Holder Iranian Accounting Association Director & Editor-in-chief Ali Saghafi(PhD) Director & General Secretary Naser Partovi Editorial Assistant Maryam Asgharzadeh Badr}, issn = {2251-8428}, eissn = {}, doi = {10.22034/iaar.2012.104585}, abstract = {One of external user’s decision making tools such as investors, creditors, trade companies and state organization is decision making about investment, crediting…, and financial statement analysis of the companies. Respecting rapid development of computer technology and techniques, more exact information can be provided for decision maker’s than traditional information in order to be able to make more efficient decisions about probable of return on investment and/or financial distress occurrence before occurring and suffering the high expenses. The aim of this study is to make a financial distress predicting model for listed companies’ in Tehran stock exchange using financial proportions and artificial intelligent techniques. So financial information relevant to time period 2001 to 2009 is compiled and expected financial proportions’ are extracted and neural network patterns (ANN), principal component analysis combination, and neural network PCA +ANN have been compiled to predict the financial distress one or more years before the occurring.  Then according to obtained results, These patterns have been compared and the best pattern has been chosen .In accordance with the results, It is distinguished that the neural net work using the information One year before financial distress occurring has more efficiency in predicting the financial distress of the companies rather than other techniques in this research and other financial years.}, keywords = {Financial Distress,Financial Variables,Principal component analysis (PCA),Neural Network (NN)}, title_fa = {تدوین الگوهای پیش‌بینی کننده بحران مالی با استفاده از تجزیه و تحلیل درونی داده ها و تکنیک های هوش مصنوعی}, abstract_fa = {یکی از ابزارهای تصمیم­گیری استفاده کنندگان برون سازمانی از قبیل سرمایه­گذاران، اعتباردهندگان، شرکت­های تجاری و همچنین موسسات دولتی تصمیم­گیری در خصوص سرمایه­گذاری، اعطای اعتبار و ... تجزیه و تحلیل صورت­های مالی شرکت­ها می­باشد. با توجه به پیشرفت سریع فناوری و تکنولوژی­های کامپیوتری می­توان اطلاعات دقیق­تری نسبت به اطلاعات سنتی در اختیار تصمیم­گیرندگان قرار داد. تا بتوانند تصمیم­گیری­های مناسب­تری را در خصوص احتمال برگشت سرمایه و یا وقوع بحران مالی قبل از وقوع و تحمل هزینه­های سنگین اتخاذ نمایند. هدف این تحقیق تدوین مدل­های پیش­بینی کننده بحران مالی برای شرکت­های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از نسبت­های مالی و تکنیک­های هوش مصنوعی می­باشد. از این رو اطلاعات مالی مربوط به دوره زمانی 1370 الی 1388 جمع­آوری و نسبت های مالی مورد نظر استخراج و الگوهای شبکه عصبی ANN، ترکیب آنالیز مولفه­های اصلی و شبکه عصبیPCA+ANN برای پیش­بینی بحران مالی یک، دو و سه سال قبل از وقوع آن تدوین شده است. سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. با توجه به نتایج آزمون مشخص گردید الگوی  شبکه عصبی با استفاده از اطلاعات یک سال قبل از وقوع نسبت به سایر تکنیک­های این پژوهش و سایر سال­های مالی دارای کارایی بیشتری در پیش­بینی بحران مالی شرکت­ها می­باشد.}, keywords_fa = {بحران مالی,متغیرهای مالی,آنالیز مولفه‌های اصلی,شبکه های عصبی}, url = {https://www.iaaaar.com/article_104585.html}, eprint = {https://www.iaaaar.com/article_104585_84cbc0e2fa3469d965195f87b7621e74.pdf} }