تقييم أداء نماذج الذكاء الاصطناعي في التنبؤ بالتعثر المالي- دراسة تطبيقية على الشركات المقيدة في البورصة خلال الفترة من 2007-2022 | ||||
| مجلة جامعة الإسکندرية للعلوم الإدارية | ||||
| Article 10, Volume 61, Issue 6, October 2024, Page 407-498 PDF (3.05 MB) | ||||
| Document Type: المقالة الأصلية | ||||
| DOI: 10.21608/acj.2024.396798 | ||||
 View on SCiNiTO | ||||
| Authors | ||||
| مروة محمد عبد الرازق1; إيمان محب زكي2; وائل مصطفى حسن3 | ||||
| 1باحثة دكتوراه -كلية الدراسات العليا الاكاديمية العربية للعلوم والتكنولوجيا والنقل | ||||
| 2أستاذ الإقتصاد- كلية الإدارة والتكنولوجيا الاكاديمية العربية للعلوم والتكنولوجيا والنقل | ||||
| 3أستاذ مساعد الإستثمار والتمويل وكيل كلية العلوم المالية – جامعة فاروس | ||||
| Abstract | ||||
| تهدف هذه الدراسة إلى تقييم أداء نماذج الذكاء الاصطناعي، مع التركيز على نماذج تعلم الآلة الخاضع للإشراف وغير الخاضع له، وذلك في التنبؤ بالتعثر المالي، ولتحقيق هدف الدراسة تم اختيار نماذج تعلم الجماعي Ensemble Learning كأحد أنواع تعلم الآلة الخاضع للإشراف، وخوارزميات التجميع Clustering Algorithm كأحد أنواع تعلم الآلة غير الخاضع للإشراف، وذلك على 44 شركة مقيدة في البورصة المصرية تعمل في القطاع العقاري والتشيد ومواد البناء خلال الفترة من 2007 حتى 2022 .أسفرت نتائج الدراسة عن تفوق أداء مجموعة التعلم الجماعي ( ( ENSEMBLE LEARNINGالخاضعة للإشراف على نموذج (CLUSTERING ALGORITHM) غير الخاضع للإشراف. | ||||
| Keywords | ||||
| نماذج التعلم الجماعي Ensemble Learning - خوارزميات التعلم Clustering Algorithm - التنبؤ بالتعثر المالي; (EM- Z SCORE)- الذكاء الاصطناعي | ||||
| References | ||||
|
| ||||
|
Statistics Article View: 340 PDF Download: 414 |
||||
