ترجمه مقاله پیش بینی ورشکستگی شخصی با استفاده از مدل درخت تصمیم گیری - نشریه امرالد

قیمت خرید این محصول

۳۷,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

پیش بینی ورشکستگی شخصی با استفاده از مدل درخت تصمیم گیری

عنوان انگلیسی

Personal bankruptcy prediction using decision tree model

صفحات مقاله فارسی

20

صفحات مقاله انگلیسی

15

سال انتشار

2018

نشریه

امرالد - Emerald

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده و pdf

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی (تحقیقاتی)

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

7.096 در سال 2018

شاخص H_index مجله

150 در سال 2018

شاخص SJR مجله

1.620 در سال 2018

شناسه ISSN مجله

2218-0648

شاخص Q یا Quartile (چارک)

Q1 در سال 2018

کد محصول

9673

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

جداول ترجمه شده است ✓ تصاویر ترجمه نشده است ☓

وضعیت ترجمه منابع داخل متن

ترجمه شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

بیس

است ✓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

دارد ✓

رشته های مرتبط با این مقاله

علوم اقتصادی

گرایش های مرتبط با این مقاله

اقتصاد مالی

مجله

مجله علوم اقتصادی، مالی و اداری - Journal of Economics Finance and Administrative Science

دانشگاه

گروه مطالعات اقتصاد و مالی، دانشگاه تکنولوژی Mara، مالزی

کلمات کلیدی

داده کاوی، اعتبارسنجی، مدل درخت تصمیم گیری، ورشکستگی شخصی، کم نمونه برداری تصـادفی

کلمات کلیدی انگلیسی

Data mining - Credit scoring - Decision tree model - Personal bankruptcy - Random undersampling

doi یا شناسه دیجیتال

https://doi.org/10.1108/JEFAS-08-2018-0076

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
هدف
طرح / روش / رویکرد
یافته ها
پیامدهای کاربردی
پیامدهای اجتماعی
اصالت / ارزش
مقدمه
بررسی ادبیات
روش تحقیق
نتایج
نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

Purpose – Personal bankruptcy is on the rise in Malaysia. The Insolvency Department of Malaysia reported that personal bankruptcy has increased since 2007, and the total accumulated personal bankruptcy cases stood at 131,282 in 2014. This is indeed an alarming issue because the increasing number of personal bankruptcy cases will have a negative impact on the Malaysian economy, as well as on the society. From the aspect of individual’s personal economy, bankruptcy minimizes their chances of securing a job. Apart from that, their account will be frozen, lost control on their assets and properties and not allowed to start any business nor be a part of any company’s management. Bankrupts also will be denied from any loan application, restricted from travelling overseas and cannot act as a guarantor. This paper aims to investigate this problem by developing the personal bankruptcy prediction model using the decision tree technique.

Design/methodology/approach – In this paper, bankrupt is defined as terminated members who failed to settle their loans. The sample comprised of 24,546 cases with 17 per cent settled cases and 83 per cent terminated cases. The data included a dependent variable, i.e. bankruptcy status (Y = 1(bankrupt), Y = 0 (non-bankrupt)) and 12 predictors. SAS Enterprise Miner 14.1 software was used to develop the decision tree model.

Findings – Upon completion, this study succeeds to come out with the profiles of bankrupts, reliable personal bankruptcy scoring model and significant variables of personal bankruptcy.

Practical implications – This decision tree model is possible for patent and income generation. Financial institutions are able to use this model for potential borrowers to predict their tendency toward personal bankruptcy.

Social implications – Create awareness to society on significant variables of personal bankruptcy so that they can avoid being a bankrupt.

Originality/value – This decision tree model is able to facilitate and assist financial institutions in evaluating and assessing their potential borrower. It helps to identify potential defaulting borrowers. It also can assist financial institutions in implementing the right strategies to avoid defaulting borrowers.

نمونه چکیده ترجمه متن فارسی

چکیده
هدف - ورشکستگی شخصی در مالزی در حال افزایش است. اداره ورشکستگی [اعسار] مالزی گزارش داد که ورشکستگی شخصی از سال 2007 افزایش یافته و کل پرونده های ورشکستگی شخصی انباشته در سال 1392 معادل 131282 می باشد. این حالت در واقع وضعیتی هشدار دهنده است چرا که افزایش موارد ورشکستگی شخصی تاثیر منفی بر اقتصاد مالزی و جامعه دارد. از منظر اقتصاد شخصی، ورشکستگی شانس امنیت شغلی را به حداقل می رساند. جدا از این، حساب افراد ورشکسته مسدود شده، کنترل بر دارایی ها و اموال آن ها از بین رفته و اجازه راه اندازی هیچ کسب و کاری به آن ها داده نشده و حق مشارکت در مدیریت هیچ شرکتی را ندارند. افراد ورشکسته از درخواست وام و مسافرت خارج از کشور محروم بوده و نمی توانند به عنوان ضامن فعالیت نمایند. مقاله حاضر با توسعه مدل پیش بینی ورشکستگی شخصی با استفاده از تکنیک درخت تصمیم گیری در پی بررسی این مساله است.
طرح / روش / رویکرد – در مقاله حاضر، اصطلاح ورشکسته به افرادی اطلاق می گردد که نتوانستند وام های خود را تسویه نمایند. نمونه شامل 24546 مورد همراه با 17 درصد پرونده تسویه شده و ۸۳ درصد پرونده منقضی شده است. داده ها شامل یک متغیر وابسته، یعنی وضعیت ورشکستگی ( 1 = Y (ورشکسته)، 0 = Y (غیرورشکسته) و ۱۲ شاخص پیش بینی کننده می باشد. از نرم افزار ۱۴.۱ SAS Enterprise Miner برای توسعه مدل درخت تصمیم گیری استفاده گردید.
یافته ها - پس از تکمیل کار، مطالعه حاضر حاوی مشخصات افراد ورشکسته، مدل معتبر اعتبارسنجی ورشکستگی شخصی و متغیرهای معنی دار ورشکستگی شخصی بود.
پیامدهای کاربردی - مدل درخت تصمیم گیری مزبور در درآمدزایی و حق اختراع کارکرد دارد. موسسات مالی قادرند از این مدل برای پیش بینی تمایل وام گیرندگان بالقوه نسبت به ورشکستگی شخصی استفاد نمایند.
پیامدهای اجتماعی - ایجاد آگاهی در جامعه درباره متغیرهای مهم ورشکستگی شخصی به طوری که بتوانند از ورشکستگی اجتناب نمایند.
اصالت / ارزش - مدل درخت تصمیم گیری مزبور قادر است فرآیند ارزیابی و سنجش وام گیرندگان بالقوه را از سوی موسسات مالی تسهیل نموده و به آن کمک نماید. این مدل به شناسایی وام گیرندگان بالقوه ناتوان از پرداخت بدهی کمک کند. هم چنین مدل مزبور می تواند به موسسات مالی در پیاده سازی استراتژی های درست برای اجتناب از وام گیرندگان ناتوان از پرداخت بدهی کمک نماید.

برچسب‌ها: دانلود رایگان مقالات انگلیسی علوم اقتصادی