@article { author = {Ghodrati, Hasan and Manavi Moghadam, Amir Hadi}, title = {Investigation of Bankruptcy Prediction Models) Altman, Shirata, Ahlson, Zemsky, Springer, CI Scor, Fulmer, Farajzadeh Genetics, and McCabe Genetics Models (Tehran Stock Exchange)}, journal = {Accounting and Auditing Research}, volume = {2}, number = {7}, pages = {128-140}, year = {2010}, 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.2010.105154}, abstract = {}, keywords = {}, title_fa = {بررسی دقت مدل های پیش بینی ورشکستگی ) مدل های آلتمن، شیراتا، اهلسون، زمیسکی، اسپرینگیت، سی ای اسکور، فولمر، ژنتیک فرج زاده و ژنتیک مک کی ( در بورس اوراق بهادار تهران}, abstract_fa = {یکی از روش های پیش بینی تداوم فعالیت شرکتها، استفاده از الگوهای پیش بینی بحران مالی است. در این راستا پژوهش حاضر به بررسی درجه کارآمدی مدل های آلتمن، شیراتا، اهلسون، زمیسکی، اسپرینگیت، سی ای اسکور، فولمر، ژنتیک فرج زاده و ژنتیک مک کی در واقعی بودن نتایج پیش بینی ومقایسه کارآمدی و نتایج پیش بینی مدلها با یکدیگر و همچنین تعدیل ضرایب و تعیین قدرت پیش بینی ورشکستگی آنها در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد.                 تحقیق حاضر مطالعه ای کاربردی است. در این تحقیق از روش استنتاج تحلیلی (استقرایی) و طرح تحقیق پس رویدادی (توصیفی- تحلیلی مبتنی بر تجارب گذشته) استفاده شد. نتایج حاصل از آزمون فرضیه اول نشان داد که الگوهای پیش بینی بحران مالی زمیسکی، اسپرینگیت، سی ای اسکور، ژنتیک فرج زاده و ژنتیک مک کی توانایی پیش بینی تداوم فعالیت شرکت های پذیرفته شده در بورس اوراق بها دار تهران را دارند. فرضیه دوم نیز مورد تأیید قرار گرفت به این ترتیب که مدلهایی که با استفاده از تکنیک های هوش مصنوعی (الگوریتم ژنتیک) مدل سازی شده بودند، نسبت به مدلهایی که با استفاده از تکنیک های آماری مدل سازی شده بودند (مدل های کلاسیک) ، در پیش بینی ورشکستگی از قابلیت بیشتری  بر خودار بودند.}, keywords_fa = {ورشکستگی,مدل های پیش بینی بحران مالی,مدل ژنتینک}, url = {https://www.iaaaar.com/article_105154.html}, eprint = {https://www.iaaaar.com/article_105154_c441ba24bbef6787221c1ad79e6735ff.pdf} }