صفحه محصول - پروپوزال بررسی رابطه نسبت های مالی با نسبت های عملکرد شرکت

پروپوزال بررسی رابطه نسبت های مالی با نسبت های عملکرد شرکت (docx) 1 صفحه

دسته بندی : تحقیق

نوع فایل : Word (.docx) ( قابل ویرایش و آماده پرینت )

تعداد صفحات: 1 صفحه

قسمتی از متن Word (.docx) :

2571750617855 -66675335915-47625659130 گروه حسابداری پایان نامه جهت اخذ درجه کارشناسی ارشد رشته حسابداری موضوع: " ارزیابی عملکرد شرکت های پذیرفته شده بورس اوراق بهادار تهران بر مبنای شاخص‌های شرکتی-رویکرد الگوریتم درخت تصمیم" استاد راهنما: دکتر پرویز پیری استاد مشاور: دکتر غلامرضا منصورفر اساتید داور: دکتر حمزه دیدار دکتر مهدی حیدری تنظیم و نگارش: معصومه زارعی 2828925589915-152400427990شهریور ماه1393 تقديم به: ساحت مقدس آقا امام زمان(عج) سپاسگزاري با سپاس فراوان از خداوند بزرگ كه به اين بنده ناچيز نعمت تحصيل علم را عطا فرمود، در اين پايان‌نامه بر خود فرض مي‌دانم كه از استاد ارجمندم، جناب آقاي دكتر پرویز پیری تشكر كنم كه پژوهش انجام شده را مرهون كمك‌ها و راهنمايي‌هاي بي‌دريغ ايشان مي‌دانم. همچنين از جناب آقاي دكتر غلامرضا منصورفر كه با دقت و حوصله فراوان راهنماي من در نگارش اين پايان نامه بودند، قدرداني مي‌نمايم. در پايان از زحمات بي دريغ همسرم، صميمانه تشكر مي‌نمايم. معصومه زارعی چک‍یده تعیین عملکرد واحد تجاری با استفاده از تعداد محدودی از نسبت های مالی یک مسئله جالب و چالش برانگیز برای اکثر محققان بوده است. تشخیص فاکتورهایی که می تواند به درستی عملکرد واحد تجاری را پیش بینی کند برای هر تصمیم‌گیرنده بسیار جالب است. در سال های اخیر برای شناسایی چنیین فاکتور هایی، بیشتر از تحلیل‌های سنتی استفاده شده است. هدف این پژوهش بررسی ارتباط بالقوه میان عملکرد واحد تجاری و نسبت‌های مالی بااستفاده از الگوریتم درخت تصمیم به عنوان روشی جایگزین است. جامعه آماري پژوهش حاضر، شامل نمونه‌ای از 110 شرکت حاضر در بورس اوراق بهادار تهران به صورت شرکت-سال طی دوره زمانی 1380-1390 می باشد. در این راستا متغیر های وابسته بازده دارایی و بازده حقوق صاحبان سهام و متغیرهای مستقل نسبت‌های مالی درنظر گرفته شده است. برای تجزیه و تحلیل داده ها ابتدا تحلیل عاملی انجام شده است، سپس الگوریتم درخت تصمیم برای کل شرکت های نمونه و سپس برای هریک از صنایع منتخب به تفکیک اجرا شده است. نتایج تحلیل نشان داد که مهم‌ترین نسبت های مالی به ترتیب نسبت سود قبل از مالیات به حقوق صاحبان سهام، حاشیه سود خالص و سود هر سهم هستند و صنعت تاثیر چندانی بر نتایج نداشت. کلید واژه ها: ارزیابی عملکرد، شاخص های شرکتی، الگوریتم درخت تصمیم، بازده دارایی، بازده حقوق صاحبان سهام. فصل اول: کلیات پژوهش TOC \o "1-3" \h \z \u 1-1-مقدمه PAGEREF _Toc396498584 \h 2 1-2-مساله پژوهش PAGEREF _Toc396498585 \h 3 1-3-اهدف پژوهش PAGEREF _Toc396498586 \h 5 1-4-سوال های پژوهش PAGEREF _Toc396498587 \h 5 1-5-متغيرهاي پژوهش PAGEREF _Toc396498588 \h 6 1-5-1-متغیرهای مستقل PAGEREF _Toc396498589 \h 6 1-5-2- متغيرهاي وابسته PAGEREF _Toc396498590 \h 9 1-6- روش پژوهش PAGEREF _Toc396498591 \h 9 1-7- جامعه آماری PAGEREF _Toc396498592 \h 9 1-8- محدوده زماني PAGEREF _Toc396498593 \h 10 1-9- روش گردآوري داده‌ها PAGEREF _Toc396498595 \h 10 1-10- روش هاي آماري مورد استفاده در پژوهش PAGEREF _Toc396498596 \h 10 1-11- واژه‌هاي كليدي PAGEREF _Toc396498597 \h 10 1-12- ساختار پژوهش PAGEREF _Toc396498598 \h 11 فصل دوم: مبانی نظری و پیشینه پژوهش 2-1- مقدمه PAGEREF _Toc396498599 \h 13 2-2- ديدگاه هاي مختلف ارزیابی عملکرد واحد تجاری PAGEREF _Toc396498600 \h 13 2-2-1- روش هایی که در آن از اطلاعات حسابداری استفاده می شود. PAGEREF _Toc396498601 \h 14 2-2-2- روش هایی که در آن از اطلاعات حسابداری و بازار استفاده می شود. PAGEREF _Toc396498602 \h 15 2-2-3- روش هایی که در آن از داده های مدیریت مالی استفاده می شود. PAGEREF _Toc396498603 \h 18 2-2-4- روش هایی که در آن از اطلاعات حسابداری و معیار های اقتصادی استفاده می شود. PAGEREF _Toc396498604 \h 19 2-3- نسبت های مالی PAGEREF _Toc396498605 \h 21 2-3-1- معیارهای خوشه سودآوری: PAGEREF _Toc396498606 \h 22 2-3-2- معیارهای فعالیت: PAGEREF _Toc396498607 \h 24 2-3-3- معیارهای ساختار دارایی: PAGEREF _Toc396498608 \h 26 2-3-4- معیارهای اهرم مالی: PAGEREF _Toc396498609 \h 26 2-3-5- معیارهای نقدینگی: PAGEREF _Toc396498610 \h 28 2-3-6- معیارهای خوشه رشد: PAGEREF _Toc396498611 \h 29 2-3-7- معیارهای خوشه بازار: PAGEREF _Toc396498612 \h 29 2-4- داده کاوی PAGEREF _Toc396498613 \h 30 2-4-1- مفاهیم اساسی در داده کاوی PAGEREF _Toc396498614 \h 31 2-4-2- تکنیک هاي داده کاوي PAGEREF _Toc396498615 \h 32 2-5- پيشينه پژوهش PAGEREF _Toc396498616 \h 41 2-5-1- پژوهش‌هاي خارجي PAGEREF _Toc396498617 \h 41 2-5-2- پژوهش‌هاي داخلي PAGEREF _Toc396498618 \h 49 2-6- خلاصه فصل PAGEREF _Toc396498619 \h 52 فصل سوم: روش پژوهش و آزمون فرضیه ها 3-1- مقدمه PAGEREF _Toc396498620 \h 54 3-2- روش انجام پژوهش PAGEREF _Toc396498621 \h 54 3-2-1- تهيه اطلاعات در دو سطح صنعت و کل بورس PAGEREF _Toc396498622 \h 55 3-2-2- انجام محاسبات نسبت های مالی و عملکرد شرکت در دو سطح صنعت و کل بورس PAGEREF _Toc396498623 \h 56 3-2-3- تحلیل عاملی اکتشافی در دو سطح صنعت و کل بورس PAGEREF _Toc396498624 \h 56 3-2-4- اجرای مدل های درخت تصمیم در دو سطح صنعت و کل بورس PAGEREF _Toc396498625 \h 64 3-2-5- ترکیب نتایج مدل های الگوریتم درخت تصمیم با کمک تحلیل حساسیت PAGEREF _Toc396498626 \h 68 3-3- سوالات پژوهش PAGEREF _Toc396498627 \h 68 3-4- تعريف متغيرها PAGEREF _Toc396498628 \h 68 3-4-1- متغيرهاي مستقل PAGEREF _Toc396498629 \h 69 3-4-2- متغيرهاي وابسته PAGEREF _Toc396498630 \h 75 3-5- جامعه پژوهش، روش نمونه‌گيري و محدوده زماني PAGEREF _Toc396498631 \h 75 3-5-1- صنايع منتخب PAGEREF _Toc396498632 \h 76 3-6- روش های آماري مورد استفاده در پژوهش PAGEREF _Toc396498633 \h 76 3-7- خلاصه فصل PAGEREF _Toc396498634 \h 77 فصل چهارم: يافته‌ها و تجزيه و تحليل آن ها 4-1- مقدمه PAGEREF _Toc396498637 \h 79 4-2- آزمون سوال‌ها PAGEREF _Toc396498638 \h 79 4-2-1- تجزيه و تحليل سوال اول- بررسی بورس اوراق بهادار تهران PAGEREF _Toc396498639 \h 79 4-2-2- تجزيه و تحليل سوال دوم- بررسی صنایع مختلف PAGEREF _Toc396498640 \h 94 فصل پنجم: نتيجه‌گيري و پيشنهادها 5-1- مقدمه PAGEREF _Toc396498645 \h 141 5-2- مروري بر نتايج پژوهش PAGEREF _Toc396498646 \h 141 5-2-1- تعيين شاخص های شرکتی موثر بر ارزیابی عملکردشرکت های پذیرفته شده در بورس اوراق بهادار PAGEREF _Toc396498648 \h 141 5-2-2- بررسی اثر نوع صنعت برتعيين شاخص های شرکتی موثر بر ارزیابی عملکردشرکت ها PAGEREF _Toc396498649 \h 142 5-3- پيشنهادهاي كاربردي پژوهش PAGEREF _Toc396498650 \h 144 5-4- پيشنهادهايي براي پژوهش‌هاي آتي PAGEREF _Toc396498651 \h 144 5-5- خلاصه فصل PAGEREF _Toc396498652 \h 144 فهرست منابع PAGEREF _Toc396498653 \h 146 منابع فارسي PAGEREF _Toc396498654 \h 146 منابع لاتین PAGEREF _Toc396498655 \h 148 فهرست جدول ها جدول TOC \h \z \t "Caption" \c 3-1: جدول نمونه گیری غربالی (حذفی) PAGEREF _Toc396499090 \h 76 جدول 3-2: جدول صنایع مورد بررسی پژوهش PAGEREF _Toc396499091 \h 76 جدول 4-1: آمار توصيفي کل بورس اوراق بهادار PAGEREF _Toc396499092 \h 80 جدول 4-2:تست بارتلت و KMO برای کل بورس اوراق بهادار PAGEREF _Toc396499093 \h 81 جدول 4-3: کل واریانس توصیف شده برای کل بورس اوراق بهادار PAGEREF _Toc396499094 \h 82 جدول 4-4: ماتریس عوامل چرخش یافته برای کل بورس اوراق بهادار PAGEREF _Toc396499095 \h 83 جدول 4-5: میزان اهمیت هریک از متغیرهای مستقل در کل بورس PAGEREF _Toc396499096 \h 91 جدول 4-6: ماتریس اختلال(انطباق) مدل های درخت تصمیم PAGEREF _Toc396499097 \h 92 جدول 4-7: ارزیابی عملکرد مدل های درخت تصمیم PAGEREF _Toc396499098 \h 92 جدول 4-8: میزان اهمیت هریک از نسبت های مالی در تحلیل حساسیت PAGEREF _Toc396499099 \h 94 جدول 4-9: صنایع منتخب جهت تحلیل های این پژوهش PAGEREF _Toc396499100 \h 95 جدول 4-10: آمار توصیفی صنعت مواد و محصولات دارويي PAGEREF _Toc396499101 \h 95 جدول 4-11: تست بارتلت و KMO برای صنعت مواد و محصولات دارویی PAGEREF _Toc396499102 \h 96 جدول 4-12: کل واریانس توصیف شده برای صنعت مواد و محصولات دارویی PAGEREF _Toc396499103 \h 97 جدول 4-13: ماتریس عوامل چرخش یافته برای صنعت مواد و محصولات دارویی PAGEREF _Toc396499104 \h 98 جدول 4-14: میزان اهمیت هر یک از نسبت های مالی در صنعت دارویی PAGEREF _Toc396499105 \h 101 جدول 4-15: ماتریس اختلال(انطباق) مدل های درخت تصمیم PAGEREF _Toc396499106 \h 101 جدول 4-16: ارزیابی عملکرد مدل های درخت تصمیم PAGEREF _Toc396499107 \h 102 جدول 4-17: میزان اهمیت هریک از نسبت های مالی در تحلیل حساسیت PAGEREF _Toc396499108 \h 103 جدول 4-18: آمار توصیفی صنعت خودرو و ساخت قطعات PAGEREF _Toc396499109 \h 104 جدول 4-19: تست بارتلت و KMO برای صنعت خودرو PAGEREF _Toc396499110 \h 105 جدول 4-20: کل واریانس توصیف شده برای در صنعت خودرو PAGEREF _Toc396499111 \h 106 جدول 4-21: ماتریس عوامل چرخش یافته برای صنعت خودرو PAGEREF _Toc396499112 \h 107 جدول 4-22: میزان اهمیت هر یک از نسبت های مالی در صنعت خودرو و ساخت قطعات PAGEREF _Toc396499113 \h 110 جدول 4-23: ماتریس اختلال(انطباق) مدل های درخت تصمیم PAGEREF _Toc396499114 \h 110 جدول 4-24: ارزیابی عملکرد مدل های درخت تصمیم PAGEREF _Toc396499115 \h 111 جدول 4-25: میزان اهمیت هریک از نسبت های مالی در تحلیل حساسیت PAGEREF _Toc396499116 \h 112 جدول 4-26: آمار توصیفی صنعت فلزات اساسی PAGEREF _Toc396499117 \h 113 جدول 4-27: تست بارتلت و KMO برای صنعت فلزات اساسی PAGEREF _Toc396499118 \h 114 جدول 4-28: کل واریانس توصیف شده برای صنعت فلزات اساسی PAGEREF _Toc396499119 \h 115 جدول 4-29: ماتریس عوامل چرخش یافته برای فلزات اساسی PAGEREF _Toc396499120 \h 116 جدول 4-30: میزان اهمیت هر یک از نسبت های مالی در صنعت فلزات اساسي PAGEREF _Toc396499121 \h 118 جدول 4-31: ماتریس اختلال(انطباق) مدل های درخت تصمیم PAGEREF _Toc396499122 \h 119 جدول 4-32: ارزیابی عملکرد مدل های درخت تصمیم PAGEREF _Toc396499123 \h 119 جدول 4-33: میزان اهمیت هریک از نسبت های مالی در تحلیل حساسیت PAGEREF _Toc396499124 \h 121 جدول 4-34: آمار توصیفی صنعت محصولات غذايي و آشاميدني به جز قند و شكر PAGEREF _Toc396499125 \h 122 جدول 4-35: تست بارتلت و KMO برای صنعت محصولات غذایی PAGEREF _Toc396499126 \h 123 جدول 4-36: کل واریانس توصیف شده برای صنعت محصولات غذایی PAGEREF _Toc396499127 \h 124 جدول 4-37: ماتریس عوامل چرخش یافته برای صنعت محصولات غذایی PAGEREF _Toc396499128 \h 125 جدول 4-38: میزان اهمیت هر یک از نسبت های مالی در صنعت محصولات غذايي و آشاميدني به جز قند و شكر PAGEREF _Toc396499129 \h 128 جدول 4-39: ماتریس اختلال(انطباق) مدل های درخت تصمیم PAGEREF _Toc396499130 \h 128 جدول 4-40: ارزیابی عملکرد مدل های درخت تصمیم PAGEREF _Toc396499131 \h 128 جدول 4-41: میزان اهمیت هریک از نسبت های مالی در تحلیل حساسیت PAGEREF _Toc396499132 \h 130 جدول 4-42: امار توصیفی صنعت سيمان، آهك و گچ PAGEREF _Toc396499133 \h 131 جدول 4-43: تست بارتلت و KMO برای صنعت سيمان، آهك و گچ PAGEREF _Toc396499134 \h 132 جدول 4-44: کل واریانس توصیف شده برای صنعت سيمان، آهك و گچ PAGEREF _Toc396499135 \h 132 جدول 4-45 ماتریس عوامل چرخش یافته برای صنعت سيمان، آهك و گچ PAGEREF _Toc396499136 \h 134 جدول 4-46: میزان اهمیت هر یک از نسبت های مالی در صنعت سيمان، آهك و گچ PAGEREF _Toc396499137 \h 136 جدول 4-47: ماتریس اختلال(انطباق) مدل های درخت تصمیم PAGEREF _Toc396499138 \h 137 جدول 4-48: ارزیابی عملکرد مدل های درخت تصمیم PAGEREF _Toc396499139 \h 137 جدول 4-49: میزان اهمیت هریک از نسبت های مالی در تحلیل حساسیت PAGEREF _Toc396499140 \h 138 جدول 5-1: خلاصه نتایج PAGEREF _Toc396499141 \h 143 فهرست شکل ها شکل 2-1 مراحل داده کاوی................................................................................................................................................................................31 شکل 2-2 تحلیل عاملی تاييدی..........................................................................................................................................................................36 شکل 2-3 تحلیل عاملی اکتشافی.......................................................................................................................................................................38 شکل 3-1 مراحل انجام پژوهش..........................................................................................................................................................................55 شکل 4-1: مدل پیاده سازی الگوریتم در نرم افزار clementine............................................................................................................86 شکل 4-2: نمودار درخت CHAID.....................................................................................................................................................................87 شکل 4-3 نمودار درخت C&RT.........................................................................................................................................................................88 شکل 4-4 نمودار درخت QUEST......................................................................................................................................................................89 شکل 4-5 نمودار درخت C5.0............................................................................................................................................................................90 شکل 4-6 نمودار سود بورس................................................................................................................................................................................93 شکل 4-7 نمودار سود صنعت مواد و محصولات دارويي...............................................................................................................................102 شکل 4-8 نمودار سود صنعت خودرو و ساخت قطعات................................................................................................................................111 شکل 4-9 نمودار سود صنعت فلزات اساسی..................................................................................................................................................120 شکل 4-10 نمودار سود صنعت محصولات غذايي و آشاميدنی به جز قند و شکر..................................................................................129 شکل 4-11 نمودار سود صنعت سيمان، آهک و گچ.....................................................................................................................................138 فصل اول كليات پژوهش 2600325955040 مقدمه تحقيقات بسيار زيادي در سال‌هاي اخير در مورد ماهيت و روش اندازه‌گيري عملکرد شرکت ‌ها انجام شده است. نتايج اين تحقيقات از آن جهت ارزشمند است که مي‌توان وضعيت فعلي شرکت ‌ها را درک نمود و چالش‌هاي آينده در زمینه اندازه‌گيري عملکرد را مورد بررسي قرار داد. امروزه صاحب‌نظران حوزه مديريت بر اهميت مدل‌هاي ارزيابي عملکرد به‌عنوان يکي از معتبرترين شاخص‌هاي توسعه‌يافتگي شرکت ‌ها تأکيد مي‌ورزند. از اين رو، يکي از دغدغه‌هاي اساسي شرکت ‌هاي امروزي، دستيابي به يک شيوه ارزيابي کارا و انعطاف‌پذير است تا با آن بتوان کليه ابعاد عملکردي شرکت را مورد بررسي قرار داد. اگر اندازه‌گيري عملکرد را فرايند کمّي‌سازي کارايي و اثربخشي يک فعاليت تعريف کنیم، از جمله راه‌هاي تجزيه و تحليل گزارش‌هاي مالي که از طريق آن مي‌توان حجم بالاي اطلاعات موجود در گزارش‌هاي مالي را خلاصه نمود و همزمان جنبه‌هاي مختلف فعاليت شرکت را مورد بررسي قرار داد، تهيه نسبت‌هاي مالي از اطلاعات گزارش‌هاي مالي است. نسبت‌هاي مالي، بيان‌کننده ارتباط بين دو يا چند رقم از ارقام صورت‌هاي مالي است که به صورت جزئي از کل يا درصدي از آن بيان مي‌شود. زماني که يک نسبت محاسبه مي‌گردد، مي‌توان گفت که عدد به‌دست آمده، محصول يک رابطه رياضي و همبستگي آماري دو يا چند متغير در مقطع خاصي از زمان است(تقی زاده،1390). مقابله با چالش‌هاي پیش‌روی شرکت ‌ها نيازمند آن مي‌باشد که مديران آنها الگوي مناسبي از اندازه‌گيري عملکرد داشته باشند تا بتوانند به بهبود مستمر در تمام زمينه‌ها دست يابند. اندازه‌گيري عملکرد، پيشرفت مداوم به سمت اهداف تعيين‌شده را ممکن می‌سازد و نقاط رکود و رونق را شناسايي مي‌نمايد. از جمله معيارهاي مهم عملکرد، معيار مالي است که اندازه‌گيري آن از روش‌هاي گوناگون امکان‌پذير است. تعیین عملکرد واحد تجاری با استفاده از یک سری نسبت های اندازه گیری مالی یک مسئله جالب و چالش برانگیز برای اکثر محققان می باشد. بطور کلی ارزیابی عملکرد شرکت ها و دانستن روش هایی جهت پیش بینی آن ها می‌تواند بر تصمیم های سرمایه گذاران بالقوه و بالفعل شرکت اثرگذار باشد. این ارزیابی در تعیین موقعیت شرکت و حتی امکان وجود احتمال ورشکستگی نیز اثر دارد. تشخیص فاکتورهایی که می تواند به درستی عملکرد واحد تجاری را پیش بینی کند برای هر تصمیم گیرنده بسیار جالب است(درسان دیلن و همکاران ،2013). با این مقدمه، در این پژوهش قدرت برازندگی شاخص های شرکتی بر ارزیابی عملکرد واحد تجاری با استفاده از الگوریتم درخت تصمیم، مورد بررسی قرار می گیرد. مساله پژوهش مباحث ارزیابی عملکرد را می‌توان از زوایای متفاوتی مورد بررسی قرار داد. دو دیدگاه اساسی سنتی و نو در این باره وجود دارد. دیدگاه سنتی، قضاوت و یادآوری عملکرد و کنترل ارزیابی شونده را هدف قرار داده و سبک دستوری دارد. این دیدگاه صرفاً معطوف به عملکرد دوره زمانی گذشته است و با مقتضیات گذشته نیز شکل گرفته است. دیدگاه نو، آموزش، رشد و توسعه ظرفیت‌های ارزیابی شونده، بهبود و بهسازی افراد و شرکت و عملکرد آن، ارائه خدمات مشاوره‌ای و مشارکت عمومی ذینفعان، ایجاد انگیزش و مسئولیت‌پذیری برای بهبود کیفیت و بهینه‌سازی فعالیت‌ها و عملیات را هدف قرار داده و مبنای آن را شناسایی نقاط ضعف و قوت و تعالی شرکتی تشکیل می‌دهد. خاستگاه این دیدگاه مقتضیات معاصر بوده و با ارزیابی سیستمی عملکرد با استفاده از تکنیک‌ها و روش‌های مدرن، توسعه پیدا می‌کند. حوزه تحت پوشش اندازه‌گیری عملکرد می‌تواند سطح کلان یک شرکت، یک واحد، یک فرایند و کارکنان باشد. در الگوهای نوین ارزیابی عملکرد، مدل های کمی مثل معیار بهره‌وری با رویکرد ارزش افزوده، معیار کارآمدی با رویکرد اثربخشی و کارآیی و معیار سودآوری با رویکرد حسابرسی عملکرد؛ و مدل های کیفی، مثل معیار توصیفی و ارزشی با رویکرد تعهد شرکتی و اخلاق شرکتی و چند معیار دیگر بکار گرفته شده است. دست کم هفت مقیاس برای ارزیابی عملکرد یک شرکت وجود دارد که الزاماً متمایز از یکدیگر نیستند. این مقیاس‌ها عبارتند از: اثربخشی، کارایی، سود و سودآوری، بهره و بهره‌وری، کیفیت زندگی شغلی، خلاقیت و نوآوری و کیفیت(تولایی، 1386). تداوم فعالیت یک شرکت یکی از معیارهای رتبه بندی و از مفروضات بنیادی حسابداری است که بر اساس آن تمامی واحدهای اقتصادی، برای مدت نامحدودی به فعالیت خود در عرصه‌ی تجارت و خدمات یک جامعه، به تکاپو می‌پردازند. حال این شرکت‌ها درجات متفاوتی از نظر میزان کسب سود و امکان فعالیت مداوم دارا می‌باشند که از منظر افراد ذینفع، قدرت شرکت برای تداوم فعالیت، با پیش بینی ورشکستگی همبستگی متناسبی دارد و لذا برای تصمیم گیری‌های خود نیازمند ارزیابی عملکرد شرکت جهت اخذ تصمیم های مناسب می‌باشد. نگرانی‌های منطقي سرمايه گذاران از بازگشت اصل و سود سرمایه‌شان موجب تقاضاي آن‌ها براي ارائه ابزارهاي بهتري جهت ارزيابي ميزان توانايي شرکت‌ها در تداوم فعالیتشان شده است. در این بین پیشگامان حسابداري و پژوهشگران مالي جهت پاسخ به این تقاضا سعي در ارايه مدل‌هایی دارند كه از تركيب اين نسبت‌های مالي حاصل شده و قادر است عملكرد و توانايي پرداخت سود و تداوم فعاليت شرکت‌ها را مؤثرتر اندازه گيري كند(عبداللهیان، 1392). تهيه صورت‌هاي مالي، يکي از متداول‌ترين روش‌هاي تجزيه و تحليل اطلاعات مالي است. هر گروه از استفاده‌کنندگان صورت‌هاي مالي، موفقيت يک فعاليت در بورس را از دیدگاه خود بررسی می‌کند. يکي از معيارهاي ارزيابي موفقيت يک صنعت يا فعاليت، نسبت‌هاي مالي است. اين نسبت‌ها، در حقيقت، چکيده گزارش‌هاي مالي شرکت‌ها هستند که اطلاعات زيادي را درباره وضعيت دروني شرکت‌ها ارائه مي‌دهند. نسبت‌هاي مالي، شاخص‌هاي خوبي براي سنجش عملکرد و موقعيت مالي بنگا‌ه‌ها هستند. اين نسبت‌ها را مي‌توان بر طبق اطلاعاتي که ارائه مي‌کنند، طبقه‌بندي نمود. طبقه‌بنديهاي مختلفي از نسبت‌هاي مالي وجود دارد(تقی زاده،1390). در کل کتاب های مالی و حسابداری، نسبت های مالی را به گروه های نقدینگی، سودآوری، توانایی پرداخت بدهی های بلندمدت و بهره وری دارایی یا نسبت های دوره گردش طبقه بندی می کنند. نسبت های نقدینگی، توانایی شرکت را برای پرداخت بدهی کوتاه مدت ارزیابی می کند درحالی که نسبت های پرداخت بدهی بلندمدت میزان ریسک و مخاطره سرمایه گذاری در واحد تجاری برای بستانکاران را بیان می کند. نسبت های سود آوری، توانایی ایجاد سود شرکت را بر پایه فروش، حقوق صاحبان سهام و دارایی ها آزمون می کنند. نسبت های بهره وری دارایی یا دوره گردش ارزیابی می کند که شرکت، چگونه با موفقیت از طریق بکارگیری دارایی، وصول حساب دریافتنی و فروش موجودی هایش، ایجاد درآمد می‌کند. مهمترين هدف نسبت‌ها در تجزيه و تحليل‌ها، تسهيل و تفسير گزارش‌هاي مالي است که با کاهش اعداد زياد موجود در گزارش‌هاي مالي و تبدیل آنها به نسبت‌هاي مالي محدود انجام مي‌گيرد. برای ارزيابي عملکرد مالي شرکت‌هاي مختلف بايد معيارهاي ارزيابي ـ که معمولا مالي هستندـ را در اختيار داشته باشيم. نسبت‌هاي مالي معمولاً از ترازنامه، صورت سود و زيان، و صورت جريان نقدي به‌دست مي‌آيند. با اين حال، برخي نسبت‌هاي مالي، داراي ساختار و الگوي يکسان مي‌باشند. براي اجتناب از ارزيابي مکرر نسبت‌هاي مالي مشابه، آنها را در دسته‌هايي خوشه‌بندي می‌کنند. در این بین بحث تبیین قدرت تداوم فعالیت و تعیین توانمندی در سودآوری و ایفای تعهدات یک شرکت همواره از اهمیت ویژه ای برخوردار است لذا برای استفاده کنندگان از اطلاعات، سرمایه گذاران و اعتبار‌دهندگان داشتن ابزار مناسب برای پی بردن به میزان این توانایی در تداوم فعالیت بنگاه های اقتصادی بسیار با اهمیت است. در مطالعات اولیه، محققان روش های آماری را به کار می برند که برای فرضیات خطی و نرمالیزه غیر‌واقعی مهیا باشد. برای مثال آلتمن (1968) تحلیل مبین چندگانه به کار برد که داده ها را برای اجرای کوواریانس هم‌ارز و نرمالیزه و استقلال شرایط متغیرها فراهم می کند. برتری روش های درخت تصمیم ( تکنیک های داده کاوی رایج) این است که از این فرضیات محدود آزاد است. علاوه بر آن درخت تصمیم می تواند به آسانی با صفحات گرافیکی، قابل درک شود بطوری که برای مدیران شفاف و قابل استنباط باشد(درسان دیلن و همکاران،2013). بنابراین وجود ارتباط میان شاخص های شرکتی و شاخص های ارزیابی عملکرد شرکت تایید شده است و مطالعات اساسی تنها از جهت بسط و استفاده از متغیرهای متفاوت (نسبت های مالی) و یا کاربرد تکنیک های تحلیل با بقیه مطالعات متفاوت است ولی علیرغم اهمیت این ارتباط از روش های جدید برای توصیف آن استفاده نشده است. با عنایت به مراتب فوق مساله اصلی تحقیق حاضر که محقق به دنبال آن است به شرح زیر قابل تبیین است: بر مبنای الگوریتم درخت تصمیم کدامیک از شاخص های شرکتی، تصویر مناسبی از عملکرد را ارائه می کنند؟ اهدف پژوهش با توجه به این که در این پژوهش شاخص های ارزیابی عملکرد شرکت، نسبت های ROE وROA در نظر گرفته شده است هدف، آن است که نسبت‌های مالی با توجه به قدرت برازش آن ها بر شاخص های ارزیابی عملکرد و با استفاده از الگوریتم جدید درخت تصمیم بررسی و طبقه بندی و یا اولویت بندی شوند. سوال های پژوهش با شکل گيري مبحث جدايي مالكيت از مديريت و پيدايش تضاد منافع بين مالكان و مديران، ارزيابي عملكرد شركت ها و مديران از موضوعات مورد توجه اقشار مختلف مثل اعتباردهندگان، مالكان، دولت و حتي مديران است. بر اساس مباني نظري حسابداري و گزارشگري مالي كشورهاي آنگلوساكسون و نيز ايران، سرمايه گذاران، اصلي ترين استفاده كنندگان صورت هاي مالي به شمار مي روند. اين گروه در پي اطلاعاتي هستند كه به وسيلة آن ارزيابي مخاطره و بازده مورد انتظار سرمايه گذاري امكان پذير شود. بنابراين، در اين پژوهش تمركز اصلي بر ارزيابي عملكرد از ديدگاه سهامداران است. متغيرهاي انتخاب شده از اين ديدگاه، شامل دو متغير حسابداري؛ يعني بازده دارايي ها و بازده حقوق صاحبان سهام است. دليل عمده براي انتخاب بازده دارايي ها و بازده حقوق صاحبان سهام به عنوان متغيرهايي براي ارزيابي عملكرد شركت اين است كه، اين نسبت ها با استراتژي شركت و عملكرد مديريت رابطه مستقيم دارند. براي مثال، 80 درصد پژوهش هايي كه به بررسي عملكرد شركت ها پرداخته اند، «بازده دارايي‌ها» را به عنوان يك معيار مهم ارزيابي عملكرد انتخاب كرده اند. ضرورت ارزیابی عملکرد آنقدر بدیهی است که کسی در آن شک نمی کند و چون و چرا نمی آورد. اما در چگونگی کار بحث بسیار است. ادنان و دار در طی تحقیقی مقایسه ای دریافتند که تقریبا، 70% از 89 مدل تحلیلی ارزیابی عملکرد طی سال های 1967-2005 بر مبنای نسبت‌های مالی شکل گرفته اند و این اهمیت استفاده از نسبت های مالی (شاخص های شرکتی) با محتوای اطلاعاتی بالا در مدل‌های ارزیابی عملکرد را آشکار می سازد. بنابراین سوالات تحقیق حاضر آن است که: با بهره گیری از الگوریتم درخت تصمیم، کدامیک از شاخص های شرکتی، عملکرد شرکت را بهتر تبیین می‌نماید؟ آیا اولویت بندی نسبت ها در ارزیابی عملکرد می تواند تحت تاثیر خصوصیات صنایع قرار گیرد؟ در اینجا این نکته قابل توجه است که آیا بهره گیری از الگوریتم درخت تصمیم، نتایج متفاوتی نسبت به مطالعات قبلی ارائه می کند یا خیر. متغيرهاي پژوهش در این پژوهش، قصد داریم رابطه نسبت های مالی را که در پژوهش های قبلی مطرح شده اند با نسبت های عملکرد شرکت بررسی کنیم. 1-5-1- متغيرهاي مستقل برای اندازه گیری نسبت های مالی به عنوان متغیرهای مستقل از روش ها و مدل های مطرح در کتب مدیریت مالی استفاده شده است. لیست نسبت های مالینسبت های نقدینگینسبت آنی(دارایی جاری – موجودی کالا) ÷ بدهی جارینسبت جاریدارایی های جاری ÷ بدهی جارینسبت وجه نقدوجه نقد و معادل آن ÷ بدهی جارینسبت های فعالیتنسبت گردش حساب دریافتنیفروش ÷ حساب های دریافتنینسبت گردش موجودی کالابهای تمام شده کالای فروش رفته ÷ موجودی کالانسبت گردش خالص سرمایه در گردشفروش ÷ (دارایی جاری – بدهی جاری)نسبت گردش داراییفروش ÷کل دارایینسبت گردش حقوق صاحبان سهامفروش ÷ حقوق صاحبان سهامنسبت گردش دارایی های ثابتفروش ÷ دارایی ثابتنسبت گردش دارایی غیرجاریفروش ÷ دارایی غیرجارینسبت گردش دارایی های جاریفروش ÷ دارایی جارینسبت موجودی کالا به سرمایه در گردشموجودی کالا ÷ سرمایه در گردشنسبت خالص سرمایه در گردش به فروشخالص سرمایه در گردش ÷ فروشنسبت سرمایه در گردش به جمع داراییسرمایه در گردش ÷ جمع دارایینسبت های سودآوریحاشیه سود ناخالصسود ناخالص ÷ فروشحاشیه سود عملیاتیسود عملیاتی ÷ فروشحاشیه سود خالصسود خالص ÷ فروشنسبت هزینه عملیاتی به فروش خالصهزینه عملیاتی ÷ فروش خالصنسبت سود قبل از مالیات به حقوق صاحبان سهامسود قبل از مالیات ÷ حقوق صاحبان سهامسود هر سهم(سود خالص منهای سود تقسیمی سهام ممتاز) ÷ تعداد سهام عادیبازده سرمایه در گردشسود خالص ÷ سرمایه در گردشنسبت های رشدنسبت رشد دارایی(کل دارایی سال t – کل دارایی سال t-1) ÷ کل دارایی سال t-1نسبت رشد سود خالص(سود خالص سال t – سودخالص سال t-1) ÷ سود خالص t-1نسبت رشد فروش(فروش سال t – فروش سال t-1) ÷ فروش سال t-1نسبت های ساختار دارایینسبت دارایی جاری به کل داراییدارایی جاری ÷ کل دارایینسبت موجودی کالا به دارایی جاریموجودی کالا ÷ دارایی جارینسبت وجه نقد ومعادل وجه نقد به دارایی های جاریوجه نقد و معادل آن ÷ دارایی جارینسبت دارایی های غیرجاری به کل داراییدارایی غیر جاری ÷ کل دارایینسبت های اهرم مالیبدهی جاری به کل بدهیبدهی جاری ÷ کل بدهینسبت پوشش بهرهسود قبل از بهره و مالیات ÷ بهرهنسبت بدهی به حقوق صاحبان سهامبدهی ÷ حقوق صاحبان سهامنسبت بدهیکل بدهی ÷ کل دارایینسبت بدهی بلندمدتبدهی بلندمدت ÷ (بدهی بلندمدت + حقوق صاحبان سهام)نسبت اهرم مالیکل دارایی ÷ حقوق صاحبان سهامنسبت دارایی ثابت به ارزش ویژهدارایی ثابت ÷ ارزش ویژهنسبت بدهی جاریبدهی جاری ÷ ارزش ویژهنسبت بدهی بلندمدت به ارزش ویژهبدهی بلندمدت ÷ ارزش ویژهنسبت های بازارنسبت ارزش بازار به ارزش دفتریارزش بازار سهام ÷ ارزش دفتری سهامنسبت قیمت به سود هر سهمقیمت سهام ÷ سود هر سهم 1-5-2- متغيرهاي وابسته متغیرهای وابسته تحقیق حاضر عبارتند از: 1- ROE(بازده حقوق صاحبان سهام) 2-ROA (بازده دارایی ها) 1-6- روش پژوهش پژوهش حاضر از لحاظ هدف كاربردي است زیرا هدف تحقیقات کاربردی، توسعه دانش عملی در یک زمینه خاص است. به عبارت دیگر تحقیقات کاربردی به سمت کاربرد عملی دانش هدایت می شوند. همچنین روش تحقیق حاضر، پیمایشی و نيمه‌تجربي و با استفاده از رويكرد پس‌‌رويدادي (از طريق اطلاعات گذشته) است. از روش پس‌‌رويدادي زماني استفاده مي‌شود كه محقق پس از وقوع رويدادها به بررسي موضوع مي‌پردازد، افزون بر اين، امكان دستكاري متغيرهاي مستقل وجود ندارد. در نهایت به منظور آزمون فرضیه ها از الگوریتم درخت تصمیم استفاده می شود. الگوریتم ابتدا در سطح کل شرکت های نمونه اجرا می شود و سپس در سطح صنایع به تفکیک نیز انجام می گیرد. براي اين منظور از طبقه بندي انجام شده توسط سازمان بورس اوراق بهادار تهران استفاده مي‌شود. 1-7- جامعه آماری کليه شرکت هاي پذيرفته شده در بورس اوراق بهادار تهران که ويژگی های زیر را دارا باشند، جامعه آماري ما در اين پژوهش هستند. پايان سال مالي آن ها اسفند ماه باشد. از ابتداي سال 1380 تا پايان تير ماه 1391 در بورس حضور داشته و تغییر سال مالی نداده باشند. کليه اطلاعات مالي آن ها، بويژه ترازنامه و صورت سود و زيان براي سال هاي 1380-1390 در دسترس باشد. 1-8- محدوده زماني دوره ‌زماني مورد بررسي در اين پژوهش ، یازده سال (1380 الي 1390) می‌باشد. با توجه به مجموعه شرایط فوق و به روش حذفی، تعداد 110 شرکت در دوره زمانی تحقیق به عنوان نمونه انتخاب شدند. 1-9- روش گردآوري داده‌ها اطلاعات مبانی نظری و تئوری تحقیق به روش کتابخانه ای و با استفاده از کتب و مقالات فارسی و لاتین جمع آوری شده و براساس روش بررسی میدانی اطلاعات مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و سایر بانک‌های اطلاعاتی همچون نرم افزارهای مربوط به سازمان بورس مانند تدبیر پرداز جمع آوری خواهد شد . 1-10- روش هاي آماري مورد استفاده در پژوهش برای اندازه گیری نسبت های مالی مطرح در این پژوهش از روش ها و مدل های مطرح در کتب مدیریت مالی استفاده می کنیم و نهایتاً با استفاده از چهار مدل الگوریتم درخت تصمیم (CHAID, C5.0 , C&RT , QUEST) و با توجه به تحلیل حساسیت و استفاده از آماره های صحت کلی، AUC (محدوده زیر منحنی ROC)، فراخوانی و دقت و معیارF اعتبار و دقت مدل ها و همچنین نسبت های موثر بر عملکرد را شناسایی می کنیم. برای این منظور از نرم افزار 14.2Clementine و spss21 استفاده می کنیم. 1-11- واژه‌هاي كليدي نسبت سود قبل از مالیات به حقوق صاحبان سهام، نشان مي دهد كه در قبال حقوق صاحبان موسسه چند درصد سود، نصيب آنان شده است از نقطه نظر صاحبان سهام اين نسبت اهميت بسياري دارد. حاشیه سود خالص، نشان مي دهد که چه مقدار از هر ريال فروش بعد از تمام هزينه ها باقي مي ماند. به طور قطع هر چه نسبت حاشيه سود بزرگتر باشد مطلوب تر است. سود هر سهم: نشان دهنده میزان سود هر سهم عادی از سود خالص کسب شده شرکت می باشد. بازده دارایي ها، يكي از آزمون‌هاي مهم توانايي مديريت در كسب بازده مربوط به منابع در اختيار وي، نرخ بازده كل دارايي‌ها است. رقم سود قابل استفاده در محاسبه اين نسبت سود عملياتي است، زيرا هزينه بهره و ماليات به وسيله عواملي غير از كاربرد موثر منابع تعيين مي‌شوند. سود عملياتي در طي سال كسب مي‌شود. بنابراين، بايد با متوسط سرمايه‌گذاري در دارايي‌ها در طي سال مربوط باشد. بازده حقوق صاحبان سهام، عبارتست از سود خالص متعلق به سهام عادي تقسيم بر حقوق صاحبان سهام عادي. اين نسبت بيانگر كارآيي عملياتي، كارآيي استفاده از دارایي ها و درجه اهرم مالي است. 1-12- ساختار پژوهش در اين فصل كلياتي درباره پژوهش شامل مقدمه‌، مسأله پژوهش، ضرورت پژوهش، هدف پژوهش، فرضيه‌هاي پژوهش و روش پژوهش بيان شد. در بخش مربوط به روش پژوهش به تشريح جامعه آماري، نمونه آماري، دوره ي پژوهش، روش جمع‌آوري داده‌ها و تعريف متغيرها پرداخته شد. در قسمت روش تجزيه و تحليل آماري داده‌ها و آزمون فرضيه‌ها، روش‌هاي آماري مورد استفاده براي تجزيه و تحليل اطلاعات بيان گردید. در ادامه به تعريف واژه‌هاي كليدي مورد استفاده در اين پژوهش پرداخته شد. موضوع فصل دوم بيان مباني نظري پژوهش و بررسی پژوهش‌هاي گذشته است.در ابتدا كلياتي در باره ديدگاه هاي عملکرد واحد تجاری و تکنیک های داده کاوی مطرح مي شود. در بخش آخر فصل، به مرور خلاصه‌اي از برخي پژوهش‌هاي انجام شده در اين زمينه پرداخته مي‌شود. در فصل سوم روش پژوهش شامل فرضيه‌هاي پژوهش، تعريف متغيرهاي مستقل و وابسته و نحوه محاسبه آن ها، جامعه آماري، روش جمع‌آوري اطلاعات و روش آماري مورد نظر براي تجزيه و تحليل اطلاعات بيان مي‌شود. موضوع فصل چهارم، تجزيه و تحليل فرضيه‌هاي پژوهش و تفسير نتايج حاصل با استفاده از نرم‌افزار 14.2Clementine و spss21است. در فصل پنجم بحث و نتايج، محدوديت‌ها و پيشنهادهای پژوهش بيان مي‌شود. فصل سوم روش پژوهش و آزمون فرضيه‌ها 24765001929765 3-1- مقدمه در فصل قبل ديدگاه هاي مختلف نسبت های مالی مورد بررسی قرار گرفت. در ادامه ارزیابی عملکرد شرکت ها و مدل هاي داده کاوی بررسی گردید و در پايان فصل، پژوهش‌های انجام شده در خارج و داخل ایران با موضوع ارزیابی عملکرد و داده کاوی ارائه گردید. پايه هر علمي، روش شناخت آن است و اعتبار و ارزش قوانين هر علمي به روش شناختي مبتني است که در آن علم به کار مي‌رود. از اصطلاح روش تحقيق معاني خاص و متمايزي در متون علمي استنباط مي‌شود. اين استنباط‌ها گاه داراي همپوشاني‌ها و وابستگي‌هائي هستند و در مواردي هم روش تحقيق و نوع تحقيق مترادف در نظر گرفته شده‌اند(نمازي، 1379). در این فصل، به تشریح روش پژوهش شامل تعریف پژوهش، فرضیه‌های پژوهش، متغیرهای پژوهش، روش گردآوری و تجزیه و تحلیل داده‌ها پرداخته خواهد شد. 3-2- روش انجام پژوهش این پژوهش با عنوان بکارگیری الگوریتم درخت تصمیم جهت ارزیابی عملکرد شرکت های پذیرفته شده در بورس اوراق بهادار تهران از نوع كاربردي است. طرح پژوهش از نوع كاربردي و روش آن، پیمایشی و همچنين روش نيمه‌تجربي و با استفاده از رويكرد پس‌‌رويدادي (از طريق اطلاعات گذشته) است. از روش پس‌‌رويدادي زماني استفاده مي‌شود كه محقق پس از وقوع رويدادها به بررسي موضوع مي‌پردازد، افزون بر اين، امكان دستكاري متغيرهاي مستقل وجود ندارد(نمازی، 1379). در گام نخست اطلاعات را در دو سطح كل بازار و صنايع مختلف بورس طبقه بندي مي‌كنيم. در طبقه بندي صنايع از طبقه بندي سازمان بورس اوراق بهادار تهران (به عنوان متغير كنترل) استفاده مي‌كنيم. سپس بازده دارایی ها و بازده حقوق صاحبان سهام را بعنوان عملکرد شرکت در نظر می‌گیریم. سپس به محاسبه کلیه نسبت های مالی مطرح شده در این پژوهش می پردازیم. پس از آن با استفاده از تحلیل عاملی اکتشافی نسبت های موثر بر عملکرد شرکت را کشف می‌کنیم. در مرحله بعد با استفاده از مدل های (CHAID, C5.0 , C&RT , QUEST) الگوریتم درخت تصمیم قدرت برازندگی نسبت های مالی را در تبیین معیارهای عملکرد شرکت تعیین می کنیم. بعد از آن با استفاده از تحلیل حساسیت نتایج چهار مدل درخت تصمیم را ترکیب کرده و اولویت نسبت‌های مالی را تعیین می کنیم. در نهایت نتایج تحلیل عاملی اکتشافی با نتایج الگوریتم درخت تصمیم مقایسه می شود. مراحل کار به شرح زیر است: تهیه اطلاعات در دو سطح صنعت و کل بورس انجام محاسبات نسبت های مالی و عملکرد شرکت در دو سطح صنعت و کل بورس تحلیل عاملی اکتشافی در دو سطح صنعت و کل بورس اجرای مدل های درخت تصمیم در دو سطح صنعت و کل بورس ترکیب نتایج مدل های الگوریتم درخت تصمیم با کمک تحلیل حساسیت شکل 3-1: مراحل انجام پژوهش 3-2-1- تهيه اطلاعات در دو سطح صنعت و کل بورس در اين مرحله ابتدا با استفاده از نرم افزار تدبير پرداز كليه داده هاي مورد نياز، شامل داده هاي مربوط به جمع دارايي، جمع بدهي، جمع حقوق صاحبان سهام، هزينه مالي، سود تقسيمي، سود هرسهم، سود خالص، سود عملياتي و ماليات و ... استخراج می شود. در اين نرم افزار اطلاعات كامل صورت هاي مالي از جمله صورت سود و زيان، ترازنامه، صورت گردش وجوه نقد و همچنين اطلاعات كامل خريد و فروش سهام، سود تقسيمي هر سهم و ساير اطلاعات مورد نياز در اين پژوهش وجود دارد. براي انجام ساير پردازش ها، از پايگاه داده SQl ويرايش 2008 استفاده مي شود. اين پردازش ها شامل: ايجاد پايگاه داده از اطلاعات ايجاد ارتباط بين اقلام سود و زيان با ترازنامه در سال هاي مختلف استخراج اطلاعات مورد نیاز 3-2-2- انجام محاسبات نسبت های مالی و عملکرد شرکت در دو سطح صنعت و کل بورس در اين مرحله، با استفاده از اطلاعات بدست آمده در مرحله قبل، اقدام به محاسبه نسبت های مالی مطرح در این پژوهش می شود. 3-2-3- تحلیل عاملی اکتشافی در دو سطح صنعت و کل بورس در این مرحله تمام نسبت های مالی به عنوان متغیرهای ورودی نرم افزار spss 21 درنظر گرفته می شود و با اجرای تحلیل عاملی اکتشافی، نسبت های مالی موثر بر معیارهای ارزیابی عملکرد تبیین می شود. 3-2-3-1- مراحل اصلي در تحليل عاملي مراحل اصلي كاربرد تحليل عاملي اكتشافي براي به كارگيري داده هاي حقيقي، شامل چهار مرحله اساسي به شرح زير است:1) جمع آوري داده ها و تشكيل ماتريس كوواريانس مربوطه؛ 2) استخراج عوامل اوليه؛3) دوران جهت دستيابي به يك راه حل نهايي و تعبير آن؛ و4) ايجاد نمرات عاملي و استفاده از آن ها براي تحليل هاي بعدي. 3-2-3-1-1- جمع آوري داده ها و تشكيل ماتريس كوواريانس اولين مرحله در تحليل عاملي، جمع آوري داده هاي مورد نياز براي تحليل است و همان طور كه از مباحث پيش متوجه شديم، تشكيل يك ماتريس كوواريانس نيز از گام هاي اوليه مي باشد. اين نكته قابل تأمل وجود دارد كه در تحليل عاملي مي توان بين تحليل ماتريس كوواريانس و يا ماتريس همبستگي يكي را انتخاب نمود. به خاطر آن كه اين موضوع مستلزم يك بحث نسبتاً طولاني است، در اين جا از پرداختن به آن اجتناب مي شود. فقط در اين‌جا عنوان مي كنيم كه در تحليل عاملي اكتشافي مي توان به استفاده از ماتريس همبستگي اتكا نمود. دو مزيت عملي كه اين انتخاب را مناسب مي كنند، عبارتند از:1) بسياري از برنامه هاي رايانه اي موجود، ماتريس كوواريانس را به عنوان داده ورودي اصلي نمي پذيرند و2) تقريباً تمامي مثال هاي ارائه شده در متون مربوط به تحليل عاملي، بر اساس ماتريس هاي همبستگي هستند. لذا درك و مقايسه اين نتايج براي محقق آسان تر خواهد بود. نكته ديگري كه قبل از انجام تحليل عاملي مي بايست در نظر داشت، درباره اهميت و معنادار بودن ماتريس همبستگي‌ها است. از آن جا كه يكي از اهداف تحليل عاملي به دست آوردن عامل هايي است كه به تبيين همبستگي‌هاي ماتريس داده ها كمك نمايد، بنابراين، متغيرهاي مورد استفاده در تحقيق بايد به اندازه كافي با يكديگر مرتبط باشند، تا استفاده از مدل عاملي مناسب باشد. اگر همبستگي بين متغيرها كوچك باشد، احتمال آن كه در عامل هاي مشترك سهيم باشند، اندك است. براي ارزش يابي ماتريس همبستگي مي توان آزمون كُرويت بارتلت (1950) را بر پايه فرمول زير به كار برد: x2=-n-1-2p+56lnR كه در آن n معرف تعداد آزمودني ها، p تعداد متغيرها و R قدرمطلق دترمينان ماتريس همبستگي هاست. اين آزمون كه داراي توزيع مجذور خي دو با (p-1)p 0.5 درجه آزادي است، مقدار اطلاعات موجود در Rرا با بررسي رابطه بين تعداد مشاهده ها و تعداد متغيرها، ارزش يابي مي كند و احتمال خطا را براي رد كردن فرضيه صفر مبني بر «عدم وجود تفاوت از ماتريس هماني» مي آزمايد. ماتريس هماني ماتريسي است كه همه عناصر قطري آن يك و همه عناصر غيرقطري آن صفر باشند. به بيان ديگر، آزمون بارتلت اين فرضيه را كه ماتريس همبستگي‌هاي مشاهده شده، متعلق به جامعه اي با متغيرهاي ناهمبسته است، مي آزمايد. براي آن كه يك مدل عاملي مفيد و داراي معنا باشد، لازم است متغيرهاي مورد تحليل با يكديگر همبسته باشند، در غير اين صورت براي تبيين مدل عاملي دليلي وجود ندارد. اگر اين فرضيه كه متغيرها با يكديگر رابطه ندارند رد نشود، كاربرد مدل عاملي زير سؤال خواهد بود و در نتيجه بايد در انجام آن تجديدنظر شود. ضريب همبستگي جزئي، شاخص ديگري براي تعيين نيرومندي رابطه بين متغيرهاست. اگر متغيرها در عامل‌هاي‌مشترك سهيم باشند، وقتي اثرات خطي ساير متغيرها حذف شود، ضرايب همبستگي جزئي بين دو به دوي آن ها بايد كوچك باشد. بنابراين، ضرايب همبستگي جزئي، برآورد همبستگي هاي بين عوامل يگانه است و در شرايط درست بودن مفروضات تحليل عاملي، بايد نزديك به صفر باشد (فرض بر اين است كه عوامل يگانه با يكديگر ناهمبسته اند). منفي ضريب همبستگي جزئي، همبستگي ضد تصوير ناميده مي شود. اگر تعداد ضرايب بزرگ در اين ماتريس زياد باشد، كاربرد تحليل عاملي با ترديد مواجه مي شود. شاخص KMO كه شاخص كفايت نمونه برداري ناميده مي شود، شاخصي است كه مقادير همبستگي مشاهده شده را با مقادير همبستگي جزئي مقايسه مي كند. KMO=rij2rij2+αij2 در فرمول فوق، rij ضریب همبستگی ساده بین متغیرهای i و j و αij ضریب همبستگی جزئی بین آن هاست. اگر مجموع مجذورات ضرايب همبستگي جزئي بين همه زوج متغيرها در مقايسه با مجموع مجذورات ضرايب همبستگي ساده كوچك باشد، اندازه KMO نزديك به يك خواهد بود. مقادير كوچك KMO بيان گر آن است كه همبستگي بين زوج متغيرها نمي تواند توسط متغيرهاي ديگر تبيين شود و بنابراين، كاربرد تحليل عاملي متغيرها ممكن است قابل توجيه نباشد. سرنی و کایزر (1977) معتقدند كه وقتي مقدار KMO بزرگ تر از 6/. باشد، به را حتي مي توان تحليل عاملي را انجام داد و هر چه اين مقدار بيش تر باشد، مناسبت و كفايت نمونه برداري بيش‌تر خواهد بود. 3-2-3-1-2- استخراج عوامل اوليه دومين گام مهم و بزرگ در تحليل عاملي، استخراج تعداد عواملي است كه به طور مناسب بتوانند همبستگي هاي مشاهده شده (يا كوواريانس هاي) ميان متغيرهاي مشاهده شده را توضيح دهند. اصطلاح تحليل عاملي كه در اين‌جا به كار برده مي شود، اصطلاحي است كلي، براي دو نوع تقريباً متمايز تحليل، يعني تحليل مؤلفه هاي اصلي و تحليل عامل مشترك. اين دو نوع تحليل، اساساً بر حسب مقدار و نوع واريانس هر متغير كه توسط عوامل موجود در مدل توجيه مي شود، متفاوتند. در تحليل مؤلفه اي، عامل ها تمامي واريانس هر متغير، اعم از واريانس مشترك با ساير متغيرهاي مجموعه و نيز واريانس اختصاصي يا خاص هر متغير را توجيه مي كنند. از اين رو در تحليل مؤلفه‌هاي اصلي، از لحاظ تئوري مي بايست تعداد مؤلفه ها با تعداد متغيرها برابر باشد تا همه واريانس هر متغير توسط عوامل پوشش داده شود؛ اما در تحليل عامل مشترك، عوامل فقط واريانس مشترك هر متغير با ساير متغيرهاي مجموعه (البته نه لزوماً همه آن ها) را توجيه مي نمايند. از اين رو در اين مدل (كه شامل روش هاي متنوعي است) تعداد عوامل مشترك كم تر از تعداد متغيرها مي باشد. در هر صورت، هر چند به نظر هارمن(1976) در ماتريس‌هاي بزرگ تفاوت هاي بين راه حل عوامل مشترك و مؤلفه هاي اصلي ناچيز است، كاتل (1978) کار با راه حل عامل‌های مشترک را ترجیح می دهد. بدین منظور، چند روش عمده وجود دارد: 1) روش حداکثر راستنمایی؛ 2) روش حداقل مربعات غیر وزنی ؛ 3) روش حداقل مربعات تعميم يافته؛ 4) روش عامل گيري آلفا؛ 5) روش عامل گيري تصوير؛ 6) روش عامل گيري محور اصلی؛ و 7) روش تحليل مؤلفه هاي اصلي. در انتها فقط اشاره مي كنيم، اين كه روش مؤلفه هاي اصلي كه در غالب تحقيقات داخلي از آن استفاده شده است، تمامي واريانس ماتريس همبستگي ها را استخراج مي كند، يك نقطه ضعف عمده براي اين روش محسوب مي‌شود. از اين رو در اين تحقيق، روش عامل گيري محور اصلي براي استخراج عوامل اوليه انتخاب خواهد شد. روش عامل گيري محور با تحليل مؤلفه هاي اصلي يكسان است به جز اين كه در خانه هاي قطري ماتريسِ همبستگي به جاي عدد يك، ميزان اشتراك هر متغير برآورد مي گردد (يعني نسبتي از واريانس آن متغير كه با متغيرهاي ديگر آن مجموعه مشترك است). بايد عنوان كرد كه بر سر اين موضوع كه در قطر ماتريس چه چيزي قرار گيرد، كشمكش هاي زيادي وجود دارد و اهميت اين مسأله آن جا آشكار مي شود كه مي بينيم انتخاب اشتراكات به عنوان عناصر قطري، منجر به استخراج تعداد عوامل متفاوت و يا در صورت به دست آمدن تعداد عوامل يكسان، بارهاي عاملي متفاوت بر روي متغيرهاي تحقيق مي گردد. در هر صورت يكي از روش هايي كه با استفاده از آن اشتراكات اوليه مورد محاسبه قرار مي گيرد، استفاده از مجذور همبستگي چندمتغيري (SMC) بين هر متغير ماتريس با ساير متغيرهاي ماتريس مي باشد و در اين تحقيق اين ملاك براي برآورد اشتراكات اوليه استفاده خواهد شد. شايان ذكر است، در اين مرحله از تحليل، نبايستي به متعامد بودن يا مورب بودن عوامل اصلي توجهي نمود، زيرا عوامل استخراج شده توجه زيادي مبذول داشت. آن چه به طور عمده مي بايست مورد توجه قرار گيرد، اين است كه آيا تعداد كم تري از عوامل مي توانند براي توضيح كوواريانس ميان تعداد بيش تري از متغيرها مورد استفاده قرار گيرند. ذكر اين نكته نيز قابل توجه است كه براي دست يابي به يك جواب اوليه، محقق بايستي در مورد انتخابِ يكي از گزينه هاي زير تصميم گيري نمايد:1) خود محقق دست به انتخاب تعداد عوامل مشترك بزند؛ يا 2) معياري را جهت انتخابِ تعداد عوامل مشترك، تعيين نمايد. در اين تحقيق از روش دوم براي تعيين تعداد عوامل استفاده خواهد شد؛ لذا به معياري براي انتخاب تعداد عوامل مشترك نياز داريم. معيارهاي مختلفي براي اين انتخاب وجود دارد كه يكي از رايج ترين آن ها، معيار كايزر-گاتمن است. بر اساس اين معيار، عواملي كه مقادير ويژه آن يك و يا كم تر از يك باشد، ناديده انگاشته مي شوند. 3-2-3-1-3- دوران به سوي يك جواب نهايي هر چند ماتريس عاملي كه در مرحله استخراج عوامل به دست مي آيد، اشاره به روابط بين عوامل و متغيرها دارد، اما تشخيص عامل هاي بامعنا بر پايه اين ماتريس و نيز درك و يا انطباق بارهاي عاملي با انتظارات ما، معمولاً دشوار است. اغلب اوقات، رابطه متغيرها و عوامل به گونه اي نيست كه بتوان آن را تفسير كرد و گاه نيز بيش تر عوامل با متغيرهاي زيادي همبسته مي باشند. روش هاي تحليل عاملي، اصولاً بر اين پايه طرح شده اند كه در هر مرحله عواملي استخراج شوند كه داراي اين ويژگي باشند كه بيش ترين ميزان از واريانس مشترك بين متغيرها را تبيين نمايند. اما نتيجه حاصل، معمولاً به صورتي نيست كه از لحاظ تئوريكي كاملاً با معنا باشد. بيشينه ساختن مقدار واريانس در هر گام، عواملي را توليد مي كند كه ممكن است، بي ثبات باشد. به همين دليل، عوامل حاصل از تحليل اوليه معمولاً چرخش داده مي شود تا مطلوب ترين طرح كه به آسان ترين شيوه قابل تفسير باشد، به دست آيد. چرخش محورها، ساختار عوامل را ساده مي كند و عوامل چرخش يافته، الگوي معنادارتري از متغيرها را به دست مي دهد. چرخش عوامل، ماتريس اوليه را به ماتريس ديگري انتقال مي دهد و از طريق پراكنده كردن واريانس در همه عوامل به گونه اي يكنواخت تر، ساختار عاملي را روشن مي سازد و به طور كلي به يك راه حل تفسيرپذيرتر كه به احتمال زياد به ساير نمونه هاي همان جامعه قابل تعميم است، منجر مي گردد. به طور كلي روش‌هاي دوران به دو دسته متعامد و غيرمتعامد تقسيم مي شوند. در چرخش هاي متعامد، عوامل طوري چرخانده مي شوند كه نسبت به هم هميشه يك زاويه قائمه داشته باشند. اين بدان معناست كه عامل ها ناهمبسته‌اند(Cos90=0 ). از جمله اين روش ها مي توان به روش هاي واریماکس، کوآرتیماکس، اکواماکس اشاره کرد. در چرخش هاي متمايل، محورهاي عاملي مي توانند هر وضعيتي را در فضاي عاملي داشته باشند و علت نام‌گذاري اين چرخش ها نيز همين مسأله است. كسينوس زاويه بين محورهاي عاملي نشان دهنده همبستگي بين آن‌هاست. در چرخش متمايل عوامل، در مقايسه با چرخش متعامد كه محدوديت ناشي از متعامد بودن وجود دارد، آزادي بيش تري در انتخاب وضعيت عوامل در فضاي عاملي وجود دارد. از جمله روش هاي چرخش متمايل مي‌توان به سه روشِ کوآرتمین، آبلیمین و بی کوآرتمین اشاره نمود. به هر حال، نانالي (1978) تعدادي از مشكلات مربوط به چرخش هاي متمايل را كه به هنگام تفسير نتايج بايد در نظر گرفت، خاطر نشان مي سازد. اين مشكلات عبارتند از: 1) مجموع مجذورات بارهاي عاملي هر رديف، به طور تصادفي مساويh2 خواهد بود. بنابراين، بارهاي متمايل، به وضوح نسبتي از واريانس هر متغير را كه به وسيله عوامل تبيين مي شود، نشان نمي دهد؛ 2) به همين نحو، مجموع مجذورات بارهاي عاملي ستون ها، صرفاً به طور تصادفي مساوي واريانس كل ماتريس خواهد بود؛ و3) سرانجام، همبستگي هاي اوليه بين متغيرها را نمي توان از طريق حاصل ضرب بارهاي عاملي باز پديد آورد. در ضمن، در چرخش هاي متعامد، الگوي عاملي و ساختار عاملي يكسانند، اما در چرخش هاي متمايل چنين نيست و از اين رو تفسير نتايج با به كارگيري اين نوع چرخش ها مشكل‌تر خواهد بود. به هر صورت، جداي از مزايا و معايبي كه براي چرخش هاي متمايل عنوان شد، آن چه مسلم است در اين تحقيق از يكي از روش هاي چرخش متعامد استفاده خواهد شد. زيرا، جهت دست يابي به مقاصد اين تحقيق، تمايل داريم، عوامل و متعاقباً نمرات عاملي ايجاد شده از آن ها تا حد امكان با يكديگر ناهمبسته باشند. روشي كه در اين تحقيق براي دوران عوامل از آن استفاده خواهد شد و يكي از روش هاي دوران متعامد است و به اعتقاد همگان يكي از كارآمدترين شيوه هاي چرخش عوامل مي باشد، روشي موسوم به واريماكس است كه توسط كايزر در 1958 معرفي گرديد. هدف اين روش، به حداكثر رسانيدن مجموع واريانس بارهاي مجذور شده بر روي ستون هاي ماتريس عاملي است و به همين دليل واریماکس ناميده شده است. اين هدف زماني حاصل مي‌شود كه بارهاي عاملي هر ستون، يا بالا و يا تقريباً صفر باشد و اين شرط يكي از ويژگي هاي مهم يك ساختار ساده مي‌باشد. 3-2-3-1-4- تشكيل نمرات عاملي (مقياس هاي عاملي) و استفاده از آن ها در تحليل هاي بعدي پس از بررسي نتايج تحليل عاملي، محقق امكان دارد به دو دليل متفاوت، مقياس هاي عاملي را بسازد. اول اين كه، پژوهشگر با پيدا كردن ابعاد زيربنايي در داده ها مي تواند بر حسب اين ابعاد و نه بر اساس متغيرهاي اوليه به بررسي تحليل هاي بعدي بپردازد. دوم، امكان دارد پژوهشگر بخواهد يك يا چند تا از اين عوامل را به عنوان متغير يا متغيرهايي در مطالعه اي ديگر مورد استفاده قرار دهد. در حقيقت، به استثناي ادبيات روان سنجي، به نظر مي رسد تحليل عاملي اغلب وسيله اي براي ساخت مقياس هاي عاملي براي مطالعات ديگر مورد استفاده قرار مي گيرد. 3-2-3-1-5- عدم قطعيت مقياس هاي عاملي همان طور كه عنوان شد، هدف اصلي ساخت مقياس عاملي تعيين مقدار براي هر مورد در عامل مشترك بر اساس متغيرهاي مشاهده شده مي باشد. فهميديم كه شناسايي دقيق عامل مشترك از متغيرها ممكن نيست. چون هر متغير داراي يك مؤلفه يگانه است كه به طور غيرقابل تفكيكي با قسمت مشترك متغير درآميخته است. به طور كلي، اغلب مي توان برآورهايي از مقادير عوامل مشترك متغيرها را به دست آورد. به همين دليل عنوان مي شود، ساخت مقياس هاي عاملي هميشه تا اندازه اي با عدم قطعيت همراه است. 3-2-3-1-6- انواع روش هاي به دست آوردن مقياس هاي عاملي نمرات عاملي را به روش هاي مختلفي مي توان به دست آورد. در اين جا، سه روش را كه اكثر نرم افزارهاي آماري ارائه مي كنند، به طور مختصر شرح داده و دليل انتخاب خود مبني بر انتخاب يكي از اين سه روش را شرح مي‌دهيم. روش رگرسيون اولين رويكرد براي يافتن يك مقياس عاملي روشي است كه در آن سعي مي شود، همبستگي بين عامل مشترك اوليه و مقياس عاملي حداكثر گردد. به عبارت ديگر، اين روش سعي در كمينه ساختن جمع مجذور انحرافات بين عوامل مشترك اوليه و مقياس هاي عاملي دارد. دست يابي به اين هدف مستلزم به كارگيري تحليل رگرسيون است. طبق اين روش نمرات عاملي به صورت زير مورد محاسبه قرار مي گيرند: f=XR-1B در فرمول فوق، B ماتریس بارهای عاملی است و X ها مقادیر مربوط به متغیرهای مشاهده شده بوده و R ماتریس همبستگی متغیرهای مشاهده شده (X) می باشد. روش اندرسون- روبين طبق اين روش، براي ساخت مقياس عاملي f جمع مجذورات به شكل زير كمينه مي شود: Minij(Xij-bjf)2 بر اساس معادله فوق، مقياس هاي عاملي در اين روش به صورت ذيل مورد محاسبه قرار مي گيرد: f=X(BB)-1B تفاوت اين معادله با معادله رگرسيون در روش اول اين است كه در اين جا به جاي همبستگي هاي مشاهده شده R از همبستگي هاي ايجاد شده (BB) استفاده مي شود. روش بارتلت سومين روش، متضمن بررسي تناسب در عين به دست آوردن تغييرپذيري نمونه گيري است. در اين روش، به متغيرهاي حاوي خطاهاي تصادفي بيش تر در مقايسه با متغيرهاي داراي خطاهاي تصادفي كم تر، وزن كم تري داده مي شود. بنابراين، طبق اين رويكرد پس از وزن دادن هر عنصر با تقابل هاي واريانس خطا، كمينه كردن مجموع مجذورات ارائه شده در معادله ذيل مورد هدف قرار مي گيرد: Minij(Xij-bjf)2/di2 نتيجه آن است كه به متغيرهاي داراي اشتراكات پايين وزن كم تري ارائه مي شود. نهايتاً، در اين رويكرد مقياس‌هاي عاملي طبق معادله ذيل به دست مي آيد: f=XU2B(BU-2B)-1 در این جا، U2 قطر ماتريس واريانس هاي يگانه است. انتخاب بر اساس همبستگي هاي بين عوامل اوليه و مقياس هاي ساخته شده، روش رگرسيون بر روش بارتلت برتري دارد، ليكن روش بارتلت بر روش اندرسون- روبين برتري دارد. بر اساس شرط بي ابهامي، روش بارتلت بهترين است، ليكن بر اساس شرط متعامدگرايي ملاك اندرسون- روبين برتري دارد. در اين پژوهش، از آن جا كه هدف ايجاد بالاترين ميزان همبستگي بين نمرات عاملي با عوامل اوليه مي باشد، روش رگرسيون براي ايجاد نمرات عاملي انتخاب خواهد گرديد. نمای کلی تجزیه مولفه های اصلی (PCA): فرض کنید که یک ماتریس داده ای Xm*n داریم‌ُ، این یک نمونه بردار ابعادی برحسب درجه واریانس آن است (یک درجه بالاتر واریانس، معناداری بیشتری را نشان می دهد). PCA برداری که در مجموعه داده با اهمیت است را تعیین می کند. تجزیه مقدار منفرد (SVD) برای تبدیل مجموعه داده Xm*n به یک مجموعه بردار ویژه و مقدار ویژه به کار می رود. ماتریس کوواریانس S برای مجموعه داده فراهم می شود تا بردارهای ویژه ارائه شود. ماتریس کوواریانس به صورت زیر است: Sn*n=(1n)XTX Xm*n=Um*nSm*nVn*nT , UTU=Im*m , VTV=In*n I ماتریس واحد و U وV ماتریس متعامد هستند. λ1,λ2,…,λn مقدارهای ویژه ماتریس کوواریانس (S) و λ1≥λ2…≥λn≥0 نسبت واریانس میان بردارهای ویژه و مجموعه داده با تقسیم مقدار ویژه به جمع مقدارهای ویژه بدست می آید. بردارهای ویژه دو به دو نسبت به مجموعه خروج از محور متعامد هستند. این مجموع مربعات، فاصله خطا میان نقاط داده ها و پیش بینی های خود را بر روی محور های اجزا کاهش می دهد. درجات مختلف واریانس منسوب به هر بردار ویژه است. بردارهای m با بزرگترین مقدار ویژه m از S رابطه دارد، که بزرگترین درجه واریانس را نشان می‌دهد. اولین مولفه اصلی، بزرگترین درجه واریانس دارد؛ دومین مولفه اصلی، بزرگترین درجه بعدی را دارد و غیره(کانتاردزیک، 2003). 3-2-4- اجرای مدل های درخت تصمیم در دو سطح صنعت و بورس در اين مرحله با کمک درخت های (CHAID, C5.0 , C&RT , QUEST)، قدرت برازندگی نسبت های مالی بر معیارهای ارزیابی عملکرد در دو سطح صنعت و بورس تعیین شده و با استفاده از ماتریس انطباق، عملکرد هر یک از درخت های تصمیم مورد بررسی قرار گرفته خواهد شد. 3-2-4-1- انواع الگوریتم درخت تصمیم یکی از الگوریتم های درخت تصمیم ، ID3 است که در اواخر دهه 70 و اوایل 80 میلادی توسط کوئینلن معرفی و در فاصله کوتاهی الگوریتم C4.5 نیز توسط همین فرد ابداع گردید.( کوئینلن،1986) الگوریتمC5.0 آخرین نسخه C4.5 است. پایه ی الگوریتم ID3: این الگوریتم درختان تصمیم از بالا به پایین می سازد و با طرح این سوال که چه صفتی باید در ریشه ی درخت آزمایش شود آغاز می کند. برای پاسخ به این سوال، با استفاده از یکی از انواع آزمایش های آماری برای تعیین مناسب ترین صفت برای دسته بندی مثال های آموزشی، تصمیم براساس هر صفت نمونه را ارزیابی می کند. سپس بهترین صفت را انتخاب کرده و به عنوان تست در گره ی ریشه ی درخت استفاده می کند. برای هر مقدار ممکن صفت تست شده در ریشه، یک گره ی متناظر ایجاد شده و مثال های آموزشی براساس مقادیر صفت تست، بین این گره ها افراز می شوند. تمام فرایند ذکر شده، با استفاده از مثال های آموزشی نسبت داده شده به هر گره، برای انتخاب بهترین صفت برای آزمایشی در آن گره ی درخت تکرار می شود. این روش جستجویی حریصانه را برای یک درخت تصمیم قابل قبول ارائه می دهد که در این الگوریتم، هیچ گاه برای در نظر گرفتن دوباره ی انتخاب های قبلی، به عقب برگشت نمی شود. این الگوریتم در یادگیری نمونه هایی با صفات فاقد مقدار مشکل داشته و غیرافزایشی و ارزان می باشد. الگوریتمID4-hat: تغییریافته ی الگوریتم ID4 است؛ به شکلی که اگر درخت موجود نتواند نمونه ی جدید را به شکل صحیح دسته بندی کند، این الگوریتم درخت را دوباره می سازد. اگر درخت نتواند دوباره ساخته شود بنابراین بهترین درخت نخواهد بود. در این حالت نتیجه با درخت نهایی تولید شده توسط ID3 متفاوت خواهد بود. هر دوی این الگوریتم ها وقتی بی نظمی صفر است یا تعداد خروجی های تصمیم را نگه می دارند و وقتی تمام بجز یکی صفر است آن را متوقف می کنند. الگوریتم ID5: یک الگوریتم افزایشی بهبود یافته است که توسط Utgoff توسعه یافته و همانند الگوریتم ID4 شروع می شود. وقتی یک نمونه ی جدید اضافه می شود، اگر توسط درخت موجود به شکل صحیح دسته بندی نشود بهترین صفت بعدی را با استفاده از نفع اطلاعات برای دسته بندی این مثال اضافه می کند (در غیر این صورت درخت موجود را حفظ می کند.). در هر مرحله، اگر برای تمام نمونه هایی که تا این مرحله دیده شده اند، صفت پایین تر به نسبت صفت بالاتر بی نظمی شرطی کوچکتری داشته باشد درخت را با انجام تقسیم، معکوس کردن، ادغام و ساده سازی دوباره می سازد. الگوریتم ID5-hat: در الگوریتم ID5 هرگاه که یک نمونه ی آموزشی اضافه می شود، بی نظمی های شرطی دوباره کنترل می شوند (و در صورت لزوم ساختار درخت تغییر می یابد.). این الگوریتم مشابه الگوریتم ID5 می باشد جز اینکه بی نظمی های شرطی فقط زمانی دوباره درنظر گرفته می شوند که درخت قادر به دسته بندی صحیح یک نمونه‌ی جدید نباشد. الگوریتمC4.5 : نسل بعدی الگوریتم ID3 است و از نوعی از قانون هرس بعدی استفاده می کند. همچنین قادر است صفات گسسته، صفات فاقد مقدار و داده های نویزی را استفاده کند. این الگوریتم بهترین صفت را با استفاده از معیار بی نظمی انتخاب می کند و به دلیل استفاده از عامل GainRatio قادر به بکارگیری صفات با مقادیر بسیار زیاد می‌باشد. حتی اگر هیچ خطایی در داده های آموزشی وجود نداشته باشد هرس انجام می شود که باعث می شود درخت عام تر شده و کمتر به مجموعه ی آموزشی وابسته شود. هرس در این الگوریتم نسبت پیچیده و برپایه ی توزیع دوجمله ای و به شکل بازگشتی به برگ های درخت است. وقتی هرس یک شاخه متوقف می شود به سمت بالا ادامه نمی یابد. برای ممانعت از داشتن برگ هایی با یک نمونه‌ی آزمایشی، جداسازی بیشتر روی دسته هایی که در حال حاضر به دو عنصر کاهش یافته اند انجام نمی شود. هرس فقط زمانی انجام می شود که تعداد پیش بینی شده ی خطاها افزایش نیابد. این الگوریتم، با در نظر گرفتن بی نظمی های هریک از آن ها برای هر موردی که برای آن ها داده، داده شده است یک صفت را انتخاب می کند. بعد از انتخاب بهترین صفت، موارد صفات فاقد مقدار با مقادیری از صفت در بخشی از مواردی که داده فراهم است تخصیص می‌یابند و الگوریتم ادامه می یابد. CHAID: شناسایی کننده تعامل متقابل خودکار مجذور مربعات (CHAID) یک تکنیک آماری بسیار موثر، توسعه یافته توسط کاس در سال 1980 است. کاربرد اصلی آن در تقسیم بندی یا رشد درخت است. CHAID یک تکنیک درخت تصمیم بر پایه آزمون معناداری تعدیل شده می باشد. می توان آن را برای پیش بینی در فرآیندی مشابه تحلیل رگرسیون و خوشه بندی به خوبی در تشخیص تعامل متقابل بین متغیر ها استفاده کرد. تفاوت آن با دیگر تکنیک های درخت تصمیم در این است که، CHAIDمی تواند بیش از دو طبقه در هر سطح درخت ایجاد کند. بنابراین آن روش درخت دوتایی نیست. خروجی آن بسیار دیداری است و به آسانی تفسیر می شود از آنجایی که آن از انشعاب چند‌راهه بطور پیش فرض استفاده می کند. آن یک درخت جامع تری از روش های روینده دوتایی ایجاد می کند. این الگوریتم برای هر نوع متغیر کار می کند زیرا که هم متغیرهای دوره ای و وزنی را درنظر می گیرد. CHAID ارزش های نامشخص را با گروهبندی آن ها در یک گروه منفرد معتبر کنترل می کند. C&RT: درخت خوشه بندی و رگرسیون توسط بریمن، فردمن، اولشن و استون (1984) آغاز شد. C&RT یک الگوریتم درخت تصمیم دوتائی مستعد فرآیند متوالی یا پیش بینی کننده مطلق یا متغیرهای هدف است. آن به طور بازگشتی کار می کند: داده ها به دو زیرمجموعه گروهبندی می شود تا سوابق را همگن تر از زیرمجموعه قبلی بکند؛ سپس دو زیرمجموعه دوباره تجزیه می شود تا زمانی که معیار همگن بودن یا دیگر معیارهای توقف رضایت بخش باشد. بخش پیش بینی کننده مشابه ممکن است چندین بار در درخت استفاده شود. هدف غایی تجزیه تعیین متغیر صحیح وابسته به آستانه درست برای ماکزیمم کردن همگن بودن گروهای زیرمجموعه نمونه است. علاوه بر آن C&RT مقدارهای ازقلم افتاده را با استفاده از تجزیه جانشین کنترل می کند تا بهترین استفاده از داده را داشته باشد. این الگوریتم مراحل درختان هرس شده تودرتو ایجاد می کند که هر یک می تواند بهینه باشد. اندازه صحیح با ارزیابی عملکرد پیش بینی کننده هر درخت در مراحل هرس شده ازطریق تست مستقل بودن داده یا وارسی اعتبار نسبت به استفاده از داده داخلی (برپایه داده آموزش) تعیین می شود. انتخاب درخت بهینه بعد از ارزیابی بر پایه تست آموزش پیش می رود. این مکانیزم تراز دسته اتوماتیک اختیاری را به خوبی کنترل مقدارهای ازقلم افتاده فراهم می کند و یادگیری حساسیت هزینه را می پذیرد. QUEST: الگوریتم درخت اماری موثر عاری از تعصب و سریع (QUEST) یک الگوریتم درخت تصمیم تجزیه دوتایی نسبتا جدید است (لو و شی، 1997). مشابه الگوریتم C&RT است (بریمن و همکاران، 1984). با این وجود چند تفاوت جزئی وجود دارد. برای مثال QUEST روش انتخاب متغیر عاری از تعصب را به کار می برد که از نسبت دادن برای سروکار داشتن با مقادیر از قلم افتاده بجای تجزیه جانشین استفاده می کند و متغیرهای گروهبندی شده با بسیاری از گروه ها کنترل می کند. آن از انتخاب تجزیه و تجزیه نقطه به طور جداگانه استفاده می کند. تجزیه یک متغیری، انتخاب رشته غیرمرتبط را اجرا می کند که بدین معنی است که اگر همه رشته های پیش بینی کننده با توجه به سطح هدف بطور مساوی حاوی اطلاعات مفید باشند، آن هر رشته پیش بینی کننده با سودآوری برابر انتخاب می‌کند. آن درخت های غیرقابل کنترل ارائه می کند ولی از هرس با هزینه پیچیده اتوماتیک استفاده می کند تا اندازه آن ها را حداقل کند. 3-2-5- ترکیب نتایج مدل های الگوریتم درخت تصمیم با کمک تحلیل حساسیت در نهایت نتایج چهار درخت تصمیم با استفاده از تحلیل حساسیت ترکیب می شود و مدل نهایی شکل می گیرد تا اعتباردهی هر یک از نسبت ها با دقت بیشتری انجام شود. 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. 3-3- سوالات پژوهش بيان مسئله تنها به صورت کلي پژوهش را هدايت مي‌کند و تمام اطلاعات ويژه پژوهشي را دربرندارد، از طرفي ديگر در صورتي‌که کليه اطلاعات پژوهشي را در مسأله مطرح کنيم مسأله به گونه‌اي بزرگ مي‌شود که تدبير و هدايت آن امکان پذير نيست، بنابراين مسأله هرگز به صورت عملي حل نخواهد شد مگر اينکه به فرضيه يا فرضيه‌هايي تبديل شود. رابطه فرضيه با تحقيق مثل رابطه راه با مسافرت است. فرضيه، حدس بخردانه ای درباره رابطه دو یا چند متغیر است که به صورت جمله‌ی خبری بیان شده و نشانگر نتایج مورد انتظار می‌باشد (تقي‌زاده، 1386). با توجه به آن چه که تا کنون بیان شده است سوال اصلی تحقیق حاضر آن است که: با بهره گیری از الگوریتم درخت تصمیم، کدامیک از شاخص های شرکتی، عملکرد شرکت را بهتر تبیین می‌نماید؟ آیا اولویت نسبت ها در ارزیابی عملکرد می تواند تحت تاثیر خصوصیات صنایع (نوع صنعت) قرار گیرد؟ در اینجا این نکته قابل توجه است که آیا بهره گیری از الگوریتم درخت تصمیم، نتایج متفاوتی نسبت به مطالعات قبلی ارائه می کند یا خیر. 3-4- تعريف متغيرها اولين گام براي آزمون فرضيه‌هاي پژوهش، ارائه تعريف دقيق و مناسبي از متغيرهايي است كه امكان اندازه‌گيري خصوصيات مورد توجه در اين پژوهش را ميسر مي‌سازد. متغيرهاي اين پژوهش به منظور آزمون فرضيه‌ها، به سه گروه متغيرهاي مستقل، متغيرهاي وابسته و متغيرهاي كنترل تقسيم مي‌شود كه در فصل 2 کلیه این متغیرها تشریح گردیده ‌است. در اين جا نحوه محاسبه متغيرهاي پژوهش به اختصار بررسي مي شود. 3-4-1- متغيرهاي مستقل کلیه نسبت های مالی(به جز بازده دارایی ها و بازده حقوق صاحبان سهام) مطرح در فصل دوم که به اختصار در جدول آمده است جزء متغیر های مستقل این پژوهش می باشد. الف)گروه معیارهای سودآوری: حاشیه سود ناخالص: ناخالص سود حاشیه=ناخالص سودفروش حاشیه سود خالص: خالص سود حاشیه=خالص سودفروش حاشیه سود عملیاتی: عملیاتی سود حاشیه=عملیاتی سودفروش نسبت سود قبل از مالیات به حقوق صاحبان سهام: سهام صاحبان حقوق به مالیات از قبل سود نسبت=مالیات از قبل سودسهام صاحبان حقوق نسبت هزینه عملیاتی به فروش خالص: عملیاتی هزینه نسبت=عملیاتی هزینهخالص فروش سود هر سهم: سهم هر سود=ممتاز سهام تقسیمی سود منهای خالص سودعادی سهام تعداد بازده سرمایه در گردش: گردش در سرمایه بازده=سودخالصگردش در سرمایه ب)گروه معیارهای فعالیت: نسبت گردش حساب دریافتنی: دریافتنی حساب گردش نسبت=فروشدریافتنی های حساب نسبت گردش موجودی کالا: کالا موجودی گردش نسبت=رفته فروش کالای شده تمام بهایکالا موجودی نسبت گردش خالص سرمایه در گردش: گردش در سرمایه خالص گردش نسبت=فروشجاری بدهی-جاری دارایی نسبت گردش دارایی: دارایی گردش نسبت=فروشدارایی کل نسبت گردش حقوق صاحبان سهام: سهام صاحبان حقوق گردش نسبت=فروشسهام صاحبان حقوق نسبت گردش دارایی های ثابت: ثابت های دارایی گردش نسبت=فروشثابت دارایی نسبت گردش دارایی غیرجاری: غیرجاری دارایی گردش نسبت=فروشغیرجاری دارایی نسبت گردش دارایی های جاری: جاری های دارایی گردش نسبت=فروشجاری های دارایی نسبت موجودی کالا به سرمایه در گردش: گردش در سرمایه به کالا موجودی=کالا موجودیگردش در سرمایه نسبت خالص سرمایه در گردش به فروش: فروش به گردش در سرمایه خالص نسبت=گردش در سرمایه خالصفروش نسبت سرمایه در گردش به جمع دارایی: دارایی جمع به گردش در سرمایه=گردش در سرمایهدارایی جمع ج)گروه معیارهای ساختار دارایی: نسبت دارایی جاری به کل دارایی: دارایی کل به جاری دارایی نسبت=جاری داراییدارایی کل نسبت موجودی کالا به دارایی جاری: جاری دارایی به کالا موجودی نسبت=کالا موجودیجاری دارایی نسبت وجه نقد و معادل وجه نقد به دارایی های جاری: جاری های دارایی به نقد وجه معادل و نقد وجه نسبت=آن معادل و نقد وجهجاری دارایی نسبت دارایی های غیرجاری به کل دارایی: دارایی کل به غیرجاری های دارایی نسبت=جاری غیر داراییدارایی کل د)گروه معیارهای اهرم مالی: بدهی جاری به کل بدهی: بدهی کل به جاری بدهی=جاری بدهیبدهی کل نسبت پوشش بهره: بهره پوشش نسبت=مالیات و بهره از قبل سودبهره نسبت بدهی به حقوق صاحبان سهام: سهام صاحبان حقوق به بدهی نسبت=بدهی کلسهام صاحبان حقوق نسبت بدهی: بدهی نسبت=بدهی کلدارایی کل نسبت بدهی بلندمدت: بلندمدت بدهی نسبت=بلندمدت بدهیبلندمدت بدهی+سهام صاحبان حقوق نسبت اهرم مالی: مالی اهرم نسبت=دارایی کلسهام صاحبان حقوق نسبت دارایی ثابت به ارزش ویژه: ویژه ارزش به ثابت دارایی نسبت=ثابت دارایی ویژه ارزش نسبت بدهی جاری: جاری بدهی نسبت=جاری بدهیویژه ارزش نسبت بدهی بلندمدت به ارزش ویژه: ویژه ارزش به بلندمدت بدهی نسبت=بلندمدت بدهیویژه ارزش ه)گروه معیارهای نقدینگی: نسبت آنی: آنی نسبت=جاری دارایی-(کالا موجودی+ها پرداخت پیش)جاری بدهی نسبت جاری: جاری نسبت=جاری های داراییجاری بدهی نسبت وجه نقد: نقد وجه نسبت=آن معادل و نقد وجهجاری بدهی و)گروه معیارهای رشد: نسبت رشد دارایی: دارایی رشد نسبت=امسال دارایی کل-قبل سال دارایی کلقبل سال دارایی کل نسبت رشد فروش: فروش رشد نسبت= امسال فروش کل-قبل سال فروش کلقبل سال فروش کل نرخ رشد سود خالص: خالص سود رشد نرخ= امسال خالص سود کل-قبل سال خالص سود کلقبل سال خالص سود کل ز)گروه معیارهای بازار: نسبت ارزش بازار به دفتری (MV/BV) : فاما و همکاران نشان دادند که این نسبت می تواند تشریح کننده پراکندگی مقطعی بازده سهام باشد. نسبت قیمت به سود هرسهم (P/E) :این نسبت نشان می دهد که سهامدران انتظار دارند طی چند سال آتی )با فرض حفظ شرایط( ارزش سرمایه گذاری امروز خود را بازیافت نمایند(شهدایی،1385). 3-4-2- متغيرهاي وابسته متغیر وابسته در این پژوهش، در واقع متغیر های ارزیابی عملکرد می باشد که در فصل دوم بازده دارایی ها و بازده حقوق صاحبان سهام بعنوان معیار ارزیابی عملکرد شرکت در نظر گرفته شده است. بازده حقوق صاحبان سهام:سود خالص ÷ حقوق صاحبان سهامبازده دارایی:سود خالص ÷ کل دارایی 3-5- جامعه پژوهش، روش نمونه‌گيري و محدوده زماني شرکت‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران با ویژگی های زیر، جامعه‌آماري اين پژوهش را تشکیل می‌دهند. پايان سال مالي آن ها اسفند ماه باشد. کليه اطلاعات مالي آن ها، بويژه ترازنامه وصورت سود و زيان براي سال هاي 1380-1390 در دسترس باشد. طي سال هاي 1380 تا 1390 تغيير سال مالي نداده باشند. از ابتداي سال 1380 تا پايان تير ماه 1391 در بورس حضور داشته باشند. 3-1: جدول نمونه گیری غربالی (حذفی)کل شرکت های موجود در بورس در سال 90461شرکت هایی که پایان سال مالی آن ها اسفند ماه نبوده است یا تغییر سال مالی داده بوده اند97تعداد شرکت هایی که اطلاعات در دسترس نبوده است254تعداد شرکت نمونه110 3-5-1- صنايع منتخب جدول3 -1 صنايع منتخب در اين پژوهش را نشان مي دهد. در اين صنايع تعداد صورت هاي مالي پذيرفته شده شركت‌ها به اندازه اي است كه مي توان كار پژوهشي حاضر را انجام داد. در نهایت 110 شركت در در قالب 22 صنعت انتخاب شدند. معیار انتخاب صنایع از 37 صنعت موجود در بورس، حجم معاملات آن صنایع بوده است. 3-2: جدول صنایع مورد بررسی پژوهشمواد و محصولات دارويي168لاستيك و پلاستيك22خودرو و ساخت قطعات178سرمايه گذاريها11فلزات اساسي112پيمانكاري صنعتي11محصولات غذايي و آشاميدني به جز قند و شكر103محصولات چوبي11سيمان، آهك و گچ120قند و شكر22انتشار، چاپ و تكثير11محصولات كاغذي11محصولات شيميايي66كاشي و سراميك64ماشين آلات و دستگاه‌هاي برقي31استخراج کانه هاي فلزي11منسوجات22فراورده هاي نفتي، كك و سوخت هسته اي11ماشين آلات و تجهيزات63ساخت محصولات فلزي44ساير محصولات كاني غيرفلزيساخت دستگاه‌ها و وسايل ارتباطي 3-6- روش های آماري مورد استفاده در پژوهش در پژوهش حاضر، ابتدا از آمار توصیفی شامل، شاخص‌های مرکزی همچون ميانگين، ميانه و شاخص‌هاي پراکندگی همچون انحراف معيار، چولگی وکشيدگی جهت توصیف متغیرها و نوع توزیع دادهها استفاده شده است. سپس، مدل‌های (CHAID, C5.0 , C&RT , QUEST) الگوریتم درخت تصمیم با استفاده از نرم افزارClementine ويرايش14.2 به همراه نرم افزار spss ويرايش 21 پياده سازي شده و تاثیر هر یک از نسبت های مالی تبیین می شود و با معیارهای صحت کلی، دقت، فراخوانی و معیار F ، هر یک از مدل ها مورد ارزیابی قرار گرفته می شود و سپس با انجام تحلیل حساسیت، نتایج چهار مدل ترکیب شده تا اعتباردهی نهایی نسبت ها با دقت بیشتری انجام شود. 3-7- خلاصه فصل دراين فصل ابتدا روش انجام پژوهش بيان و در ادامه خلاصه اي از نحوه محاسبه متغير هاي پژوهش مطرح شد؛ همچنين بيان شد كه براي جمع‌آوري داده‌ها از نرم افزار تدبير پرداز و پايگاه داده SQL ويرايش 2008 و براي انجام تحليل هاي مورد نياز، از نرم افزارهاي Clementine ويرايش 14.2 و spss ويرايش 21 بهره گرفته می شود. فصل بعد به تجزيه و تحليل اطلاعات و تفسير نتايج حاصل از آن اختصاص دارد. فهرست منابع منابع فارسي امیری، مقصود و صالحی صدقیانی، جمشید و میرهدایتیان، مصطفی و مومنی، احسان (1387). توسعه یک مدل تحلیل پوششی داده ها برای ارزیابی عملکرد تولید به همراه یک مطالعه موردی. فصلنامه مطالعات مدیریت.شماره 58،صفحات 91-106. بادآورنهندی، یوسف (1383). بررسی رابطه بین ارزش افزوده اقتصادی تعدیل شده و بازده سهام تعدیل شده بر اساس ریسک-پایان نامه کارشناسی ارشد دانشگاه علامه بهرامفر، نقی و مهرانی، ساسان و فرزاد غیور (1384). بررسی رابطه بین نسبت های نقدینگی سنتی و نسبت های حاصل از صورت جریان وجه نقد جهت ارزیابی تداوم فعالیت شرکتها. بررسی های حسابداری و حسابرسی، شماره 4، صفحه 3-17. پریجایی مقدم، احمد و سجاد موسوی،یادگیري درخت تصمیم بااستفاده ازشبکه عصبی براي افزایش پایداري وانعطاف پذیري،Iranian Journal of Medical Informatics (2012) Vol 1 Issue 3, تقی زاده، هوشنگ.(1386). الگوی گرافیکی روش تحقیق در علوم انسانی. نشر حفیظ. تقي‌زاده، رسول و صفر فضلي؛(1390). روش اندازه‌گيري عملکرد شرکت‌ها با استفاده از رويکرد ترکيبي آناليز روابط خاکستري و تاپسيس فازي چشم‌انداز مديريت صنعتي,شماره2,ص150- 125 تولایی، روح الله (1386). "رویکردهای نوین به ارزیابی عملکرد سازمان ها"، دوماهنامه توسعه انسانی پلیس، سال چهارم، شماره 12 تهرانی، رضا (1384). بررسی عوامل موثر بر قیمت سهام در بورس اوراق بهادار تهران، رساله دکتری، دانشگاه تهران. مدیریت مالی،چاپ و انتشارات نگاه دانش،جلد اول،چاپ پاییز84،ص 45 جهانخانی، علی و پارسائیان، علی (1376). مدیریت سرمایه گذاری و ارزیابی اوراق بهادار، انتشارات دانشکده مدیریت دانشگاه تهران، چاپ اول، دی ماه. جهانخانی، علی و سجادی، اصغر (1374). کابرد مفهوم ارزش افزوده اقتصادی در تصمیمات مالی ، فصلنامه علمی و پژوهشی« تحقیقات مالی» ، سال دوم، شماره 5و6، زمستان 1373 و بهار 1374 حسن زاده، حمیدرضا و زارع، محمدصادق (1388). تبیین شاخص های ارزیابی عملکرد شرکت های بیمه خصوصی با استفاده از روش امتیازی متوازن با خبرگان. فصلنامه صنعت بیمه، شماره 3و4، صفحات 7-36. ح‍يدرپور، فرزانه و مستوف‍ي، حم‍يد (1388). بررس‍ي رابطه ب‍ين نسبت Q توب‍ين و ارزش افزوده اقتصاد‍ي پالا‍يش شده در شرکت ها‍ي پذ‍يرفته شده در بورس اوراق بهادار تهران، فصلنامه حسابدار‍ي مال‍ي-سال اول- شماره 1- بهار88 صفحه 20-37. سعيدي پرويز,ابوجعفري محمدرضا، بررسي همبستگي EVA با ROE در ارزيابي عملكرد صنايع شيميايي پذيرفته شده در بورس اوراق بهادار تهران پژوهشگر (مديريت) پاييز 1388; 6(15):66-76. شاکری، امیر و صفتر آبنار(1391). همایش منطقه ای مباحث نوین در حسابداری شهدایی، س. م. ع.، ارزشگذاری سهام بر مبنای P/E ، چاپ اول، تهران، چالش صالحی، عبدالعلی(1380). تاثیر وجود همبستگی بین نسبت Q و سایر نسخه های Q در ارزیابی عملکرد شرکت های پذیرفته شده در بورس اوراق بهادار تهران-پایان نامه کارشناسی ارشد-دانشگاه علامه طباطبایی طبرسا، غلامرضا (1378). "بررسی و تبیین نقش اقتضائات استراتژیک در انتخاب الگوی ارزیابی عملکرد شرکت های دولتی"، مجموعه مقالات دومین جشنواره شهید رجایی ارزیابی عملکرد دستگاه‌های اجرایی کشور، تهران: شرکت امور اداری و استخدامی کشور. عبداله‍ي نژاد، هاد‍ي (1376). رابطه نسبت ها‍ي مال‍ي تعهد‍ي و نسبت ها‍ي مبتن‍ي بر جر‍يان ها‍ي نقد‍ي، بررس‍ي ها‍ي حسابدار‍ي و حسابرس‍ي، انتشارات دانشگاه تهران، شماره ها‍ي 20و 21. عبداللهیان بلوچی، علی (1392). "بررسی کاربرد مدل پیش بینی ورشکستگی اوهلسون و تعدیل آن بر اساس شرایط محیطی ایران" دانشگاه علوم تحقیقات گیلان سید علیقی، روشن و ابوالفضل آرین، سید حسن حسینی، کامبیز نوایی زند، علی دریکنده(1391). ارزیابی عوامل موثر بر قیمت به درآمد سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران، دانش مالی تحلیل اوراق بهادار ، شماره چهارم، تابستان 1391، ص ص 41-58. فضلی، صفر و منصوری، صالح (1386). مقایسه رویکردهای تحلیل پوششی داده ها و فرآیند تحلیل سلسله مراتبی در رتبه بندی شاخص های کلیدی تصمیم گیری خرید و فروش سهام، فصلنامه مطالعات مدیریت صنعتی، شماره 15، صفحه 1-24. کاشانی پور، محمد و رسائیان، امیر (1388). رابطه Q توبین و معیارهای عملکرد شرکت ها در ایران، فصلنامه حسابداری مالی-سال اول-شماره 3-پائیز 88-صفحه 131-146 مجتهدزاده، ویدا و اسمعیلی، لیلا (1387). بررسي معيارهاي مورد استفاده حسابرسان مستقل در ارتباط با تداوم فعاليت بنگاه هاي اقتصادي در ايران. مجله دانش و پژوهش حسابداری، شماره 12، صفحه 6-11. محمدی، علی (1386). کاربرد تکنیک های برنامه ریزی ریاضی برای تجزیه و تحلیل صورت های مالی شرکت های داروسازی، مجله علوم اجتماعی و انسانی، دوره بیست و ششم، شماره اول، صفحه 117-135. مرادی مهدی و پور حسن، فهیمه (1389). بررسی کاربرد نسبت Qتوبین و مقایسه آن با نسبت های P/E وP/B در پیش بینی بازده حقوق صاحبان سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران، مجله پیشرفت های حسابداری دانشگاه شیراز، دوره دوم ، شماره اول ، تابستان 1389 ،ص ص 179-198 مولایی، نبی و محمدی، علی (1389). کاربرد تصمیم گیری چندمعیاره خاکستری در ارزیابی عملکرد شرکت ها. مجله مدیدریت ضنعتی دانشکده مدیریت دانشگاه تهران، دوره 2، شماره 4، صفحه 127-144. مهدوی، غلامحسین و حسینی ازان آخاری، سید مهدی (1385). بهترین معیار ارزیابی عملکرد مالی چیست؟. پژوهشنامه اقتصادی، صفحات 121-146. مهدوی، غلامحسین و قربانی، اصغر (1391). بررسی مقایسه ای نقش شاخص های نوین و سنتی نقدینگی در ارزیابی عملکرد مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران. مجله پژوهش های حسابداری مالی، شماره 1، صص 67-88. مهدیه نجف آبادی، بتول (1386). کاربرد مقایسه ای روش تخصیص خطی و تاپسیس برای ارزیابی مالی، پایان نامه کارشناسی ارشد، دانشگاه شیراز. مهراني، كاوه و بهرام فر، نقي (1383). رابطه بين سود هر سهم، سود تقسيمي و سرمايه گذاري در شركت هاي پذيرفته شده بورس اوراق بهادار تهران بررسيهاي حسابداري و حسابرسي تابستان 1383; 11(36):27-46 میرغفوری، سید حبیب الله و شفیعی رودپشتی، میثم و ندافی، غزاله (1391). ارزیابی عملکرد مالی با رویکرد تحلیل پوششی داده ها. مجله پژوهش های مدیریت در ایران، دوره 16، شماره 4، صص 189-206. نظریه، زهرا(1379). ارزش افزوده اقتصادی و رابطه آن با سود هر سهم در شرکت های محصولات کانی غیر فلزی پذیرفته شده در بورس اوراق بهادار تهران. مجله بورس، شماره 23، صص 18-24. . نمازي، محمد (1379). پژوهش‌هاي تجربي در حسابداري، ديدگاه روش‌شناختي. شيراز: انتشارات دانشگاه شيراز چاپ اول. نوروش، ایرج و حیدری، مهدی (1383). ارزیابی عملکرد مدیریت شرکت های پذیرفته شده در بورس تهران با مدل CVA و بررسی رابطه آن با بازده سهام، بررسی های حسابداری و حسابرسی، سال یازدهم، شماره 38، زمستان 1383، صفحه 121-147 منابع لاتین Adnan aziz, m: dar, h.a (2006): Predicting Corporate Bankruptcy: Where We Stand? Corporate governance. 6(1),18-33. Alfaro, E., García, N., Gámez, M., & Elizondo, D. (2008). Bankruptcy forecasting: An empirical comparison of AdaBoost and neural networks. Decision Support Systems, 45(1), 110–122. Altman, Edward I. (1968). Financial ratios, discriminant analysis and the predication of corporate bankruptcy. The Journal of Finance, 23(4), 589–609. Beate Klingenberg a,n, RachelTimberlake b, TomG.Geurts c, RogerJ.Brown, (2013). The relationship of operational innovationand financial performance—A critical perspective. Int. J. Production Economics 142 (2013) 317–323 Belkaoui, A. R, (1997). Volue Relevance of Popular Financial Ratios, Advances in Quantitative Analysis of Finance and Accounting, Dryden Press Inc. Biddle, G.C., Bowen, R.M. & Wallace, J. S. (1997), Does EVA Beat Earnings? Evidence on Associations with Stock Returns and Firm Values, Journal of Accounting and Economics, Vol. 24, No. 3: 301-336. Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984).Classification and regression trees . New York: Chapman & Hall/CRC. Brickley, James A.. “Shareholder Wealth, Information Signaling and the Specially Designated DividHend.” Journal of Financial Economics 12 (1983): 187-209. Brijesh Kumar Baradwaj Research Scholor, Singhaniya University, Rajasthan, India Saurabh Pal Sr. Lecturer, Dept. of MCA,VBS Purvanchal University, Jaunpur-22,2001, India “Mining Educational Data to Analyze Students, Performance ” Chang ping chang (2006). Managing business attributes and performance for commercial banks, Journal of American Academy of Business, Vol, 9, NO 1:104-109. Chen & Dodd,1998, The Economic Value Added (EVA®): An Analysis of Market Reaction, Asian Review of Accounting pp1-22. Cinca, C. S., Molinero, C. M., & Larraz, J. L. G. (2005). Country and size effects in financial ratios: A European perspective. Global Finance Journal, 16, 26–47. Delen, D., Oztekin, A., & Tomak, L. (2012). An analytic approach to better understanding and management of coronary surgeries. Decision Support Systems, 52, 698–705. Dunteman, G. E. (1989). Principal components analysis. Sage university paper series on quantitative applications in social sciences, 07-069. Newbury Park, CA: Sage. Dursun Delen, Cemil Kuzey, Ali Uyar,2013; Measuring firm performance using financial ratios: A decision tree approach; Expert Systems with Applications 40 pp:3970–3983 Edirisinghe, NCP & X Zhang, Portfolio selection under DEA-based relative financial strength indicators: case of US industries, Journal of the Operational Research Society, 57, 2008. Erkut Duzakın, Hatice Duzakın, (2007). Measuring the performance of manufacturing firms with super slacks based model of data envelopment analysis: An application of 500 major industrial enterprises in Turkey. European Journal of Operational Research 182,1412–1432. Field, A. (2005). Discovering statistics using SPSS, London, Sage. Fuller, C. M., Biros, D. P., & Delen, D. (2011). An investigation of data and text mining methods for real world deception detection. Expert Systems with Applications, 38,8392–8398. Gombola, Michael J., & Ketz, J. Edward (1983). Financial ratio patterns in retail and manufacturing organizations. Financial Management, 12 (2), 45–56. Ho, C.-T., & Wu, Y.-S. (2006). Benchmarking performance indicators for banks, benchmarking. An International Journal, 13(1/2), 147–159. Holsapple, C. W., & Wu, J. (2011). An elusive antecedent of superior firm performance: The knowledge management factor.Decision Support Systems,52(1), 271–283. Horrigan, James O. (1965). Some empirical bases of financial ratio analysis. The Accounting Review, 40(3), 558–568. Ina Kapok Sharma .Use of Data Mining & Neural Network in Medical Industry, Lecturer B.N College of Engineering & Technology Current Development in Artificial Intelligence ISSN 0976-5832 Volume 3, Number 1 (2012), International Research Publication House © pp. 1-8 Jooste,L.(2006). Cash Flow Ratios as a Yardstick for Evaluating Financial Performance in African Businesses. Managerial Finance, 7, 569-576. Kantardzic, M. (2003). Data mining: Concepts, models, methods and algorithms, IEEE Computer Society, IEEE Press. Karaca, S. S., & Çig˘ dem, R. (2012). The effects of the 2008 world crisis to Turkish certain sectors: The case of food, main metal, stone and soil and textile industries. International Research Journal of Finance and Economics (88), 59–68. Kass, G. (1980). An exploratory technique for investigating large quantities of categorical data. Applied Statistics, 29:2, 119–127. Kohavi & Provost (1998). Glossary of terms, editorial for the special issue on applications of machine learning and the knowledge discovery process. Machine Learning, 30(2–3), 271–274. Kotsiantis S. Decision Trees: A Recent Overview. Springer Netherlands, Computer Science, 2011. Kumar, P. R., & Ravi, V. (2007). Bankruptcy prediction in banks and firms via statistical and intelligent techniques – A review. European Journal of Operations Research, 180(1), 1–28. Lam, M. (2004). Neural network techniques for financial performance prediction: Integrating fundamental and technical analysis. Decision Support Systems, 37,567–581. Lee, K. C., Han, I., & Kwon, Y. (1996). Hybrid neural network models for bankruptcy predictions. Decision Support Systems, 18 (1), 63–72. Lev, B, and Tiagarajan, (1993). Fundamental Information analysis. Journal of Accounting Research, Vol 31. No2. Loh, W. Y., & Shih., Y. S. (1997). Split selection methods for classification trees. Statistica Sinica, 7, 815–840. Mais, Rimi Gusliana. (2005, July-September). Pengaruh rasio-rasio keuangan utama perusahaan terhadap harga saham perusahaan yang terdaftar di jakarta islamic index tahun 2004. Jurnal Ekonomi STEI, 14(3), 30. Martín-Oliver, A., & Salas-Fumás, V. (2012). IT assets, organization capital and market power: Contributions to business value. Decision Support Systems, 52 (3),612–623. Matsumoto, K., Shivaswamy, M., & Hoban, J. P. Jr., (1995). Security Analysts’ views of the financial ratios of manufacturers and retailers. Financial Practice & Education ,5(2), 44–55. Minsky M. Logical Versus Analogical or Symbolic Versus Connectionist or Neat Versus Scruffy. AI Magazine, 1991; 12(2): 35-51. Olson, D. L., Delen, D., & Meng, Y. (2012). Comparative analysis of data mining methods for bankruptcy prediction.Decision Support Systems, 52 (2), 464–473. Ottoson.E,Weissenrieder.F.(1996). Cash Value Added- a new method for measuring financial performance, Gothenburg Studies in financial Economics, www.anelda.com. Peixoto, S, (2000). Economic Value Added: Application to Portuguese Public. Accounting Journal of Portuguese, (3), 25-40. Quinlan, J. (1993). C4.5: programs for machine learning . San Mateo, CA: Morgan Kaufmann. Robert Johnson, Luc Soenen, Indicators of Successful Companies, European Management Journal Vol. 81, No. 2, pp. 264–267, 2008. ROBERT JOHNSON, LUC SOENEN, Indicators of Successful Companies, European Management Journal Vol. 81, No. 2, pp. 264–267, 2008. Ross, Stehen A., Westerfield, Randolph W., & Jordan, Bradford D. (2003). Fundamentals of corporate finance (6th ed.). New York: The McGraw-Hill Companies. Roswati,2007, relevansi ratio keuangan dengan harga saham, university Indonesia fakultas ekonomi. Sun, J., & Hui, X-F. (2006). An application of decision tree and genetic algorithms for financial ratios’ dynamic selection and financial distress prediction, In Proceedings of the fifth international conference on machine learning and cybernetics , Dalian, 13–16 August. Tracey, W, & Worthington, A, (2000). The Information Content of EVA: A Comparative Analysis with Earnings, Cash Flow and Residual Income. Journal of Finance, www.elsevier.com. Uyar, A., & Okumus , E. (2010). Finansal Oranlar Aracılıg˘ ıyla Kuresel Ekonomik Krizin Uretim Sirketlerine Etkilerinin Analizi: IMKB’de Bir Uygulama. Muhasebe ve Finansman Dergisi, vol. 46, April 2010, pp. 146–156. Wang, H., Jiang, Y., & Wang, H. (2009). Stock return prediction based on bagging-decision tree, InProceedings of 2009 IEEE international conference on grey systems and intelligent services, November 10–12, Nanjing, China. Wilson, R. L., & Sharda, R. (1994). Bankruptcy prediction using neural networks. Decision Support Systems, 11 (5), 545–557. Witten, I. H., & Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques (2nd ed.). San Francisco: Elsevier. Worthington, A and Tracey west, (2004). Australian Evidence Concerning the Information Content of Economic Value-Added. Australian Journal of Management, Vol 29, No 2,P 201-224. YASHPAL SINGH. (2009). NEURAL NETWORKS IN DATA MINING , ALOKSINGH CHAUHAN Reader, Bundelkhand Institute of Engineering & Technology, Jhansi, India Lecturer, United Institute of Management, Allahabad,India. Yu, G., & Wenjuan, G. (2010). Decision tree method in financial analysis of listed logistics companie, In 2010 International conference on intelligent computation technology and automation. Zibanezhad, E., Foroghi, D., & Monadjemi, A. (2011). Applying decision tree to predict bankruptcy. Computer Science and Automation Engineering (CSAE). In IEEE International Conference (vol. 4, pp . 165–169). Measuring listed Companies in Tehran Stock Exchange performance based on firm-specific characteristics: A decision tree approach Abstract Determining the firm performance using a set of financial measures/ratios has been an interesting and challenging problem for many researchers and practitioners. Identification of factors (i.e., financial measures/ratios) that can accurately predict the firm performance is of great interest to any decision maker. In recent years to identify these factors, ofthen traditional analysis is used. The purpose of this study was to investigate the potential relationship between the firm performance and financial ratios using decision tree algorithm as an alternative method during the period (2001-2011). Population is all companies in the Tehran Stock Exchange. In this context, the dependent variable, return on assets and return on equity, and independent variables, financial ratios are considered. The result indicated that the most important financial ratios are the the Earnings Before Tax to Equity Ratio, Net Profit Margin, Earning per Share respectively. Keywords: Firm Performance, Finantial Ratios, Decision Tree Approach, Return on Assets, Return on Equity.