ترجمه مقاله پیش بینی درماندگی مالی از طریق تلفیق کردن ویژگی های لحن عاطفی – سال 2022
مشخصات مقاله:
عنوان فارسی مقاله:
عنوان انگلیسی مقاله:
کلمات کلیدی مقاله:
مناسب برای رشته های دانشگاهی زیر:
اقتصاد، مدیریت
مناسب برای گرایش های دانشگاهی زیر:
اقتصاد مالی، مدیریت مالی، مهندسی مالی و ریسک
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
2- مروی بر پیشینه
2-1 ویژگی ها در پیش بینی درماندگی مالی
2-2 مدل های پیش بینی درماندگی مالی
3- طرح پژوهشی
3-1 مبنای نظری
3-2 کسب داده
3-3 پردازش داده و استخراج ویژگی
3-3-1 ویژگی های مالی
3-3-2 ویژگی های متنی
3-3-3 انتخاب مقطع زمانی اظهارنظرها در تالار آنلاین بورس
3-4 ساخت مدل
3-4-1 CatBoost
3-4-2 دیگر مدل ها
4- ارزیابی تجربی
4-1 مجموعه داده ی آزمایشی
4-2 انتخاب ویژگی های مالی
4-3 مقیاس های ارزیابی
4-4 انتخاب مقطع زمانی اظهار نظرها در تالارهای آنلاین بورس
5- نتایج آزمایشی و بحث
5-1 نتایح آزمایشی و تحلیل
5-2 مزایای اقتصادی چهارچوب پیش بینی پیشنهادی
5-3 آزمون استواری
6- نتیجه گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
In addition to financial features, we propose a novel framework that combines sentiment tone features extracted from comments on online stock forums, management discussion and analysis, and financial statement notes, to predict financial distress. We evaluate the proposed framework using data from the Chinese stock market between 2016 and 2020. We find that financially distressed companies are more likely to have weak sentiment tones as investors have a negative attitude toward the operation and financial status of the companies, while normal companies are to the contrary. Additionally, the sentiment tones of comments within one month most effectively reflect such correlations. We recommend incorporating sentiment tone features as they contribute to predictive performance improvements of all models using financial features only, and using the CatBoost model as it outperforms all benchmarked models with its ability to capture complex feature relationships. Economic benefits analysis shows that the proposed framework can correctly identify more financially distressed companies.
چکیده
در این مقاله افزون بر ارائه ی ویژگی های مالی، یک چهارچوب نوین پیش می نهیم که با تلفیق کردن ویژگی های لحن عاطفیِ مستخرج از اظهار نظرها در تالارهای آنلاین بورس، بحث و تحلیل مدیریت، و نکات صورت های مالی، درماندگی مالی را پیش بینی می کند. ما چهارچوب پیشنهادی را با استفاده از داده های مربوط به بازار بورس چین در فواصل سال های 2016 تا 2020 ارزیابی می کنیم. ما درمی یابیم که شرکت های دچار درماندگی مالی با احتمال بیش-تری دارای لحن عاطفی ضعیفی هستند چون سرمایه گذاران نگرش منفی نسبت به وضعیت عملیاتی و مالی آن شرکت ها دارند، در حالی که شرکت های عادی وضعیت عکس دارند. افزون بر این، لحن عاطفی اظهار نظرها در طول یک ماه به طور کارامدی این همبستگی ها را منعکس می کند. ما گنجاندن ویژگی های لحن عاطفی را توصیه می کنیم چون آن ها به بهبودی عملکرد پیش بینی همه ی مدل هایی که صرفاً از ویژگی های مالی استفاده می کنند، می انجامند، و همچنین استفاده از مدل CatBoost را توصیه می کنیم چون نسبت به همه ی مدل های معیار عملکرد بهتری دارد و از این توانایی برخوردار است که روابط میان ویژگی های پیچیده را استخراج کند. تحلیل مزایای اقتصادی نشان می-دهد که چهارچوب پیشنهادی می تواند به درستی شرکت های از نظر مالی درمانده تر را شناسایی کند.
