فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی ورشکستگی شرکت‌ها یکی‌از مهم‌ترین موضوعاتی است که سرمایه‌گذاران را برای سرمایه‌گذاری مطلوب و تخصیص بهینه منابع خویش یاری می‌کند. هدف این پژوهش، ارائه و تبیین الگوی پیش‌بینی ورشکستگی با استفاده از مدل‌های یادگیری ماشینی (رگرسیون لجستیک، ماشین‌های بردار پشتیبانی، K نزدیک‌ترین همسایه، جنگل تصادفی و ارتقای گرادیان) است. جامعه آماری این پژوهش، تمامی شرکت‌های تولیدی پذیرفته‌شده در بورس اوراق بهادار تهران بین سال‌های 1389 تا 1400 بوده است. نتایج نشان‌دهنده‌ این است که الگوریتم ارتقای گرادیان در بیشترین حالت با صحت  8/ 97 % پیش‌بینی‌های صحیح انجام می‌دهد. مدل جنگل تصادفی با  5/95% در رتبه‌ بعدی جای گرفته‌ است. مدل ماشین بردار پشتیبان ضعیف‌ترین عملکرد را بین مدل‌های دیگر دارد. با استفاده از راهکار تنظیم پارامتر جستجوی شبکه توری، کلیه پارامترها در روش‌های یادگیری ماشینی مورداستفاده در این پژوهش بهینه‌شده‌اند؛ این امر سبب بهبود قابل‌توجه معیارهای ارزیابی نسبت به روش‌های مشابه در سایر پژوهش‌ها و نیز روش‌های سنتی پیش‌بینی ورشکستگی شده است. یافته‌ها نشان داد که به دلیل ماهیت متغیرهای مورداستفاده برای هر شرکت، استفاده از الگوریتم‌های یادگیری ماشینی مبتنی‌بر چندین درخت‌ تصمیم که به نحوی از این متغیرها و روابط بین آن‌ها درخت می‌سازد، نتایج بهتری تولید می‌کنند. درواقع استفاده از مدل ارتقای گرادیان و مدل جنگل تصادفی در پیش‌بینی صحیح شرکت‌های ورشکسته موفق‌تر از مدل‌های دیگر عمل کرده‌اند.