واقفی، سیدحسام، جوانشیری، حسین (1401) " تحلیل محتوای درماندگی مالی" مطالعات حسابداری و حسابرسی، انجمن حسابداری ایران، شماره 41 ،84-65
حاجیها، زهره، صابری روچی، محمدرضا (1400) "متن کاوی و پیش بینی درماندگی مالی". مطالعات حسابداری و حسابرسی، انجمن حسابداری ایران، شماره 38 ،39-5
رهنمای رودپشتی، فریدون،1399، نهمین کنفرانس انجمن مهندسی مالی، منظومه تاب آوری کسب و کارها مبتنی بر ابزارهای نوآورانه مالی،104
رهنمای رودپشتی، فریدون،1398،بررسی و ارزیابی ارزش افزوده اقتصادی و ارزش افزوده بازار در مدیریت ارزش افزوده سهامداران،مجله پژوهشگر( مدیریت)، دوره 7، 79-70
پوراسد، سعید. (1395). تاثیر کوتاه بینی مدیریتی بر کارایی شرکت ها با نقش تعدیل کننده کیفیت حاکمیت شرکتی در شرکت های بورس اوراق بهادار تهران. پایان نامه کارشناسی ارشد، دانشگاه ارومیه.
اسماعیل زاده مقری، علی و شاکری، هاجر (1394). پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده ازشبکه بیزی ساده و مقایسه آن با تحلیل پوششی داده ها. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 5(22): 27-1.
منصورفر، غلامرضا؛ غیور، فرزاد؛ اسدی، مریم. (1395). اثر تعدیل گر کیفیت سود در پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران. فصلنامه راهبرد مدیریت مالی، 4(4): 44-25.
منصورفر، غلامرضا؛ غیور، فرزاد و لطفی، بهناز (1394). توانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی. پژوهش های تجربی حسابداری، 3(11): 235-217.
منصورفر، غلامرضا؛ غیور، فرزاد و لطفی، بهناز (1392). ترکیب اجزای جریان نقد و پیش بینی درماندگی مالی در بورس اوراق بهادار تهران. تحقیقات حسابداری و حسابرسی، 4(18): 87-74.
واقفی، سیدحسام، جوانشیری، حسین (1401) " تحلیل محتوای درماندگی مالی" مطالعات حسابداری و حسابرسی، انجمن حسابداری ایران، شماره 41 ،84-65
حاجیها، زهره، صابری روچی، محمدرضا (1400) "متن کاوی و پیش بینی درماندگی مالی". مطالعات حسابداری و حسابرسی، انجمن حسابداری ایران، شماره 38 ،39-5
رهنمای رودپشتی، فریدون،1399، نهمین کنفرانس انجمن مهندسی مالی، منظومه تاب آوری کسب و کارها مبتنی بر ابزارهای نوآورانه مالی،104
رهنمای رودپشتی، فریدون،1398،بررسی و ارزیابی ارزش افزوده اقتصادی و ارزش افزوده بازار در مدیریت ارزش افزوده سهامداران،مجله پژوهشگر( مدیریت)، دوره 7، 79-70 .
منابع و مآخذ خارجی:
Primandari, A. H. (2021, October). Building an Initiation of Financial Reporting System Using Blockchain and Classification Analysis to Financial Distress. In The 2nd International Seminar on Science and Technology (ISSTEC 2019) (pp. 193-199). Atlantis Press.Wu, L.; Shao, Z.; Yang, C.; Ding, T.; Zhang, W. The Impact of CSR and Financial Distress on Financial Performance—Evidence from Chinese Listed Companies of the Manufacturing Industry. Sustainability 2020, 12, 6799
Chen, S.; Shen, Z.-D. Financial Distress Prediction Using Hybrid Machine Learning Techniques. Asian J. Econ. Bus. Account. 2020, 16, 1–12
Altman, E. L. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(3), 589–609.
Altman, E. L., Edward, I., Haldeman, R., & Narayanan, P. (1977). A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance, 1,
29–54.
Beaver, W. (1966). Financial ratios as predictors of failure, empirical research in accounting: Selected studied. Journal of Accounting Research, 71–111.
Blum, M. (1974). Failing company discriminant analysis. Journal of Accounting Research, 1–25.
Chen, T. (2007). Incorporating fuzzy c-means and a back-propagation network ensemble to job completion time prediction in a semiconductor fabrication factory. Fuzzy Sets and Systems, 158(19), 2153–2168.
Chen, A. P., & Chen, C. C. (2006). A new efficient approach for data clustering in electronic library using ant colony clustering algorithm. The Electronic Library, 24(4), 548–559.
Chun, S. H., & Park, Y. J. (2006). A new hybrid data mining technique using a regression case based reasoning: Application to financial forecasting. Expert Systems with Applications, 31(2), 329–336.
Deng, W. J., Chen, W. C., & Pei, W. (2007). Back-propagation neural network based importance–performance analysis for determining critical service attributes. Expert Systems with Applications. Doi: 10.1016/j.eswa.2006. 12.016.
Dimitras, A. I., Zanakis, S. H., & Zopounidis, C. (1996). A survey of business failure with an emphasis on prediction methods and industrial applications. European Journal of Operational Research, 90(3), 487–513.
Fanning, K., & Cogger, K. (1998). Neural network detection of management fraud using published financial data. International Journal of Intelligent Systems in Accounting, Finance and Management, 7(1), 21–24.
Feroz, E., Park, K., & Pastena, V. (1991). The financial and market effects of the SECs accounting and auditing enforcement releases. Journal of Accounting Research, 29(Suppl.), 107–142.
Han, J., & Kamber, M. (2001). Data mining: Concepts and techniques. San Francisco, CA, USA: Morgan Kaufmann.
Huang, M. J., Chen, M. Y., & Lee, S. C. (2007). Integrating data mining with casebased reasoning for chronic diseases prognosis and diagnosis. Expert Systems with Applications, 32(3), 856–867.
Huang, Y. P., Hsu, C. C., & Wang, S. H. (2007). Pattern recognition in time series database: A case study on financial database. Expert Systems with Applications, 33(1), 199–205.
Hua, Z., Wang, Y., Xu, X., Zhang, B., & Liang, L. (2007). Predicting corporate financial distress based on integration of support vector machine and logistic regression.Expert Systems with Applications, 33(2), 434–440.
John, S. G., & Robert, W. I. (2001). Tests of the generalizability of altman’s bankruptcy prediction model. Journal of Business Research, 54, 53–61.
Jost, A. (1993). Neural networks: A logical progression in credit and marketing decision system. Credit World, 81(4), 26–33.
Kinney, W., & McDaniel, L. (1989). Characteristics of firms correcting previously reported quarterly earnings. Journal of Accounting and Economics, 11(1), 71–93.
Kirkos, E., Spathis, C., & Manolopoulos, Y. (2007). Data mining techniques for the detection of fraudulent financial statements. Expert Systems with Applications, 32(4), 995–1003.
KO, P. C., & Lin, P. C. (2006). An evolution-based approach with modularized evaluations to forecast financial distress. Knowledge-Based Systems, 19(1), 84–91.
Laitinen, E. K., & Laitinen, T. (2000). Bankruptcy prediction application of the Taylor’s expansion in logistic regression. International Review of Financial Analysis, 9, 327–349.
Lee, T. L. (2004). Back-propagation neural network for long-term tidal predictions.Ocean Engineering, 31(2), 225–238.
Loebbecke, J., Eining, M., & Willingham, J. (1989). Auditor’s experience with materialirregularities: Frequency, nature and detectability. Auditing: A Journal of Practice and Theory, 9, 1–28.
Medsker, L., & Liebowitz, J. (1994). Design and development of expert systems and neural networks. New York: Macmillan.
Meyer, P. A., & Pifer, H. (1970). Prediction of bank failures. The Journal of Finance, 25,853–868.
Mitra, S., Pal, S. K., & Mitra, P. (2002). Data mining in soft computing framework: A survey. IEEE Transactions Neural Networks, 13(1), 3–14.
Panda, S. S., Chakraborty, D., & Pal, S. K. (2007). Flank wear prediction in drilling using back-propagation neural network and radial basis function network.Applied Soft Computing. doi:10.1016/j.asoc.2007.07.003.
Persons, O. (1995). Using financial statement data to identify factors associated with fraudulent financial reporting. Journal of Applied Business Research, 11(3), 38–46.
Ronald, J. W., Rumelhart, D. E., & Hinton, G. E. (1986). Learning internal representations by error propagation. In E. David Rumelhart & J. A. McClelland (Eds.). Parallel distributed processing: Explorations in the microstructure of cognition (Vol. 1). Cambridge: MIT Press/Bradford Books.
Spathis, C. (2002). Detecting false financial statements using published data: Some evidence from Greece. Managerial Auditing Journal, 17(4), 179–191.
Spathis, C., Doumpos, M., & Zopounidis, C. (2002). Detecting falsified financial statements: A comparative study using multicriteria analysis and multivariate statistical techniques. The European Accounting Review, 11(3), 509–535.
Stice, J. (1991). Using financial and market information to identify pre-engagement market factors associated with lawsuits against auditors. The Accounting Review, 66(3), 516–533.
Werbos, P. (1974), Beyond regression: New tools for prediction and analysis in the behavioral science, Ph.D. Thesis, Committee on Applied Mathematics, Harvard University, Cambridge, MA.
Wu, D., Yang, Z., & Liang, L. (2006). Using DEA-neural network approach to evaluate branch efficiency of a large Canadian bank. Expert Systems with Applications, 31, 108–115.
Yılmaz, B., & Cunedioglu, U. (2007). Source localization of focal ventricular arrhythmias using linear estimation, correlation, and back-propagation networks. Computers in Biology and Medicine, 37(10), 1437–1445
