چکیده مقاله
در فضای پیچیده و رقابتی اقتصاد جهانی، ارزش گذاری دقیق شرکت ها و درک عوامل موثر بر آن به عنوان یکی از موضوعات بنیادی در ادبیات مالی و حسابداری مطرح است در این میان، ساختار سرمایه و ریسک مالی دو مولفه کلیدی در تحلیل های مالی محسوب می شوند که می توانند به صورت مستقیم و غیرمستقیم بر ارزش شرکت ها تاثیرگذار باشند با توجه به نارسایی روش های سنتی تحلیل رگرسیونی در تبیین روابط غیرخطی و پیچیده میان متغیرهای مالی، بهره گیری از مدل های پیشرفته یادگیری ماشین به عنوان راهکاری نوین و دقیق، مورد توجه روزافزون پژوهشگران و تحلیلگران مالی قرار گرفته است مطالعه حاضر با هدف بررسی تاثیر ساختار سرمایه و ریسک مالی بر ارزش شرکت، به کارگیری سه الگوریتم پرکاربرد یادگیری ماشین شامل جنگل تصادفی Random Forest ، رگرسیون بردار پشتیبان Support Vector Regression و گرادیان تقویت شده XGBoost را در مدل سازی و پیش بینی این روابط مورد استفاده قرار می دهد جامعه آماری پژوهش شامل ۱۰۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی ۱۳۹۲ تا ۱۴۰۲ است متغیرهای مستقل شامل نسبت بدهی به حقوق صاحبان سهام، نسبت بدهی بلندمدت، ضریب بتا، نسبت پوشش بهره و نوسان جریان های نقدی عملیاتی بوده و ارزش شرکت نیز از طریق شاخص Q توبین و بازده دارایی ها ROA اندازه گیری شده است نتایج تحلیل داده ها نشان داد که الگوریتم XGBoost با دقت بالاتر نسبت به سایر مدل ها توانست پیش بینی دقیقی از ارزش شرکت ارائه دهد همچنین مشخص شد که متغیرهای مرتبط با ساختار سرمایه تاثیرگذاری بیشتری نسبت به شاخص های ریسک مالی بر ارزش شرکت دارند این یافته ها بیانگر آن است که یادگیری ماشین می تواند به عنوان ابزاری توانمند در مدل سازی روابط پیچیده مالی مورد استفاده قرار گیرد و بینش های ارزشمندی برای تصمیم گیری های استراتژیک مدیران مالی، سرمایه گذاران و نهادهای سیاست گذار فراهم آورد
کلیدواژهها
نویسندگان
شیوه ارجاع
�ارعی، زهرا،1404،بررسی تاثیر ساختار سرمایه و ریسک مالی بر ارزش شرکت،چهاردهمین کنفرانس بین المللی و ملی مطالعات مدیریت، حسابداری و حقوق،تهران
ارائهشده در
مجموعه مقالات چهاردهمین کنفرانس بین المللی و ملی مطالعات مدیریت، حسابداری و حقوق31 خرداد 1404 · تهران