دانلود پژوهش های پیشین درباره ارزیابی عملکرد شرکت های ...

ارسال شده در 15 آذر 1400 توسط نجفی زهرا در بدون موضوع

۰٫۹۴۸۲

۰٫۹۲۵۳

۰٫۹۶۲۹

۰٫۰۳۷۱

۰٫۰۷۴۷

۰٫۹۳۶۶

۰٫۹۷۹

QUEST

۰٫۸۶۶۴

۰٫۷۸۸۸

۰٫۸۷۵۹

۰٫۸۶۰۸

۰٫۱۳۹۲

۰٫۱۲۴۱

۰٫۸۳۰۱

۰٫۹۳۲

همانطور که از جدول فوق مشخص است با توجه به تمام معیارهای ارزیابی مدل به جز معیار منطقه زیر منحنی، درخت c5.0 بهترین سطح عملکرد را داشته است و با توجه به معیار منطقه زیر منحنی درخت CHAID عملکرد نسبتا بهتری داشته است. درخت c&RT دومین سطح عملکرد را بر اساس تمام معیارها به خود اختصاص داده است. با این حال درخت CHAID با صحت کلی ۷۵/۹۳ درصد و درخت QUEST با صحت کلی ۶۴/۸۶ درصد عملکرد خوبی را داشته اند.
با توجه به جدول ۴-۶ می توان دید که صحت گروه ناموفق در سه درخت CHAID, C5.0 و QUEST بالاتر از صحت گروه موفق بوده است ولی در درخت C&RT با تفاوت کمی، صحت گروه موفق بالاتر از صحت گروه ناموفق بوده است.
نمایش نموداری معیارهای عملکرد با بهره گرفتن از نمودار سود در شکل ۴-۶ به تصویر کشیده شده است. سود به صورت نسبتی از کل موفقیت ها است که در هر چارک اتفاق می افتد و به صورت (تعداد موفقیت ها در چارک/کل تعداد موفقیت ها) * ۱۰۰% تعریف می شود. مدل CHAID عملکرد بسیار خوبی را در بسیاری از چارک ها نشان می دهد. منحنی ها از نقطه ۰% شروع می شود و به به سمت ۱۰۰% از چپ به راست حرکت می کنند.
شکل ۴-۶: نمودار سود بورس
۴-۲-۱-۳-تحلیل حساسیت مدل های درخت تصمیم در سطح بورس اوراق بهادار تهران
تحلیل حساسیت تکنیکی مبتنی بر ترکیب اطلاعات است که با اجرای آن می توان نتایج چهار درخت تصمیم را ترکیب کرد تا مدل توانمند و صحیح تری ارائه کرد. همانطور که اشاره شد، درجدول ۴-۵ میزان اهمیت هر یک از نسبت های مالی در مدل‌های درخت تصمیم بیان شده است. جهت پیاده‌سازی تحلیل حساسیت، ازمعادله زیر استفاده می شود. در این معادله رتبه هر متغیر مستقل در مقدار وزن نرمالیزه شده برای هر مدل درخت تصمیم ضرب شده و سپس نتایج بدست آمده با یکدیگر جمع می شود تا یک مقدار اعتبار مرکب برای هر متغیر به دست آید.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

V: رتبه اعتبار منسوب هر متغیر را نشان می دهد که در ابتدا با مدل مشخص شد.
: میزان وزن نرمالیزه شده برای هر مدل. این اعتبار هر مدل را نشان می دهد و نسبتی از قدرت پیش‌بینی‌کنندگی آن‌هاست.
m: تعداد مدل های پیش بینی کننده را نشان می دهد (۴=m در این مقاله)
n: تعداد متغیرها را نشان می دهد (متغیرهای این مقاله ۳۶= n)
رتبه های حساسیت بدست آمده در جدول ۴-۸ نشان داده شده است که اعتبار متغیرهای مستقل را از بالا (اعتبار بیشتر) به پایین (اعتبار کمتر) شرح می دهد.