دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقالات پژوهشی مدیریتدانلود رایگان مقالات ژورنالی مدیریتدانلود رایگان مقالات سال 2016دانلود رایگان مقالات کنفرانسی مدیریتدانلود رایگان مقاله ISI مدیریت به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مدیریت کسب و کار MBA به زبان انگلیسیدانلود رایگان مقاله ISI مدیریت مالی به زبان انگلیسیدانلود رایگان مقاله ISI ورشکستگی به زبان انگلیسیسال انتشار

مقاله انگلیسی رایگان در مورد پیش بینی شکست شرکت – الزویر ۲۰۱۶

 

مشخصات مقاله
ترجمه عنوان مقاله رگرسیون lasso و ridge لجستیک در پیش بینی شکست شرکت
عنوان انگلیسی مقاله The logistic lasso and ridge regression in predicting corporate failure
انتشار مقاله سال ۲۰۱۶
تعداد صفحات مقاله انگلیسی ۸ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
شناسه ISSN ۲۲۱۲-۵۶۷۱
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مدیریت
گرایش های مرتبط مدیریت کسب و کار، مدیریت مالی
نوع ارائه مقاله
ژورنال و کنفرانس
مجله / کنفرانس پروسیدیای مالی و اقتصاد – Procedia Economics and Finance
دانشگاه  IPCA – Polytechnic Institute of Cavado and Ave, Campus do IPCA, 4750-810 Barcelos, Portugal
کلمات کلیدی ورشکستگی شرکت، مدل های پیش بینی، حداقل عملکرد کوچک سازی و انتخاب مطلق (Lasso)، رگرسیون ستیغی (Ridge)
کلمات کلیدی انگلیسی Corporate Bankruptcy; Prediction Models; Lasso; Ridge Regression
شناسه دیجیتال – doi
https://doi.org/10.1016/S2212-5671(16)30310-0
کد محصول  E13812
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱٫ Introduction

۲٫ The Ridge and Lasso logistic regression

۳٫ Methodology

۴٫ Results

۵٫ Comments

References

 

بخشی از متن مقاله:
Abstract

The prediction of corporate bankruptcy is a phenomenon of interest to investors, creditors, borrowing firms, and governments alike. Many quantitative methods and distinct variable selection techniques have been employed to develop empirical models for predicting corporate bankruptcy. For the present study the lasso and ridge approaches were undertaken, since they deal well with multicolinearity and display the ideal properties to minimize the numerical instability that may occur due to overfitting. The models were employed to a dataset of 2032 non-bankrupt firms and 401 bankrupt firms belonging to the hospitality industry, over the period 2010-2012. The results showed that the lasso and ridge models tend to favor the category of the dependent variable that appears with heavier weight in the training set, when compared to the stepwise methods implemented in SPSS.

Introduction

There are several undesirable consequences of business failures. Its economic and social cost can be significant. So, it is quite natural that this issue has occupied a significant part of researcher’s agenda. In spite of recent growing interest on non-financial attributes in explaining business failures, traditionally investigation on this issue has been focused on financial attributes. In most of the works statistical or artificial intelligence techniques were applied to the accountancy data of the companies, aiming at obtaining prediction models that would indicate whether the company would or would not reach a bankruptcy situation in the future (Beaver, 1966; Altman, 1968; Martin, 1977; Tam and Kiang, 1992). In a study on corporate bankruptcy prediction, one of the aspects we immediately need to clarify is the concept of bankruptcy we shall use. In specialized literature the term has been used in different ways by different authors: legal bankruptcy, insolvency, inability to do payments or continued losses. As we lack a general theory on corporate bankruptcy, there is also no unique definition for this concept. This is an important limitation, since the sample’s selection, both in terms of firms that have and have not “bankrupt”, depends on the definition of corporate bankruptcy used.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا