مدل یابی پیش بینی ورشکستگی با تاکید بر روش های نوین اندازه گیری شبکه های عصبی و ماشین بردار پشتیبان
نویسندگان
1 دانشجوی دوره دکترای مهندسی مالی، گروه مهندسی مالی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2 استادیار، گروه مدیریت، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
3 دانشیار گروه حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران.
doi
چکیده
هدف از انجام این تحقیق مدلیابی پیشبینی ورشکستگی با تاکید بر روشهای نوین اندازهگیری شبکههای عصبی و ماشین بردار پشتیبان در شرکتهای بورس اوراق بهادار تهران میباشد. نتایج این پژوهش نشاندهنده این موضوع است که استفاده از ساختارهای جدید مانند سیستمهای هوشمند ترکیبی مبتنی بر مدلهای داده کاوی توانایی بالایی در تشخیص ورشکستگی شرکتها در سطح کشور دارد. در این تحقیق دادههای مورد استفاده به دو صنعت مواد غذایی و نساجی تعمیم یافته و دادههای پژوهش محدود به دادههای شرکتهای بورس اوراق بهادار نمیباشد. مشاهده میشود که در دو صنعت مورد بررسی نسبت مالی "سود انباشته به کل داراییها" بالاترین تکرار را در پیشبینی ورشکستگی به خود اختصاص داده است. به این دلیل نسبت فوق به عنوان نسبت برتر برای پیش بینی ورشکستگی انتخاب خواهد شد. نتایج، مسأله مهم دیگری را نیز نمایان میسازد. مشاهده میشود که در هر یک از صنایع نسبتهای مالی نسبتاً متفاوتی به عنوان نسبتهای مالی با بالاترین تکرار انتخاب شدهاند. این مسأله نشان میدهد که امکان در نظر گرفتن یک مجموعه مشخص نسبت مالی به عنوان ورودی مدل همانگونه که در اکثر مطالعات انجام شده اینگونه در نظر گرفته شده است برقرار نبوده و در هر صنعت با توجه به ویژگیها و ساختار، ترکیب ورودیها با صنعت دیگر متفاوت میباشد. در نتیجه میتوان یافتههای این بخش را به عنوان یک نوآوری در پژوهش حاضر و یکی از دلایل مهم برتری سیستم طراحی شده نسبت به ساختارهای مختلف ارائه شده در مطالعات داخلی و بینالمللی عنوان کرد.