فهرست نشریات علمی دسترسی آزاد ایران

پیش­بینی ورشکستگی در مطالعات و مقالات موجود در حوز­ های حسابداری و  مدیریت بسیار مورد بحث واقع شده­است و مطالعات فراوانی در رابطه با روش­های تجربی بهتر برای پیش­بینی ورشکستگی انجام شد­ه­است. هدف تحقیق حاضر استفاده از نسبت­های مالی و شاخص­های راهبری شرکتی برای پیش­بینی ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است. پژوهش حاضر به لحاظ هدف، بنیادی و از نظر روش تحقیق توصیفی از نوع همبستگی می­باشد. در پژوهش حاضر ورشکستگی شرکت­ها به عنوان متغیر وابسته و تعداد40 شاخص در پیش­بینی ورشکستگی در دو گروه 31 تایی نسبت­های مالی و 9 تایی شاخص­های راهبری شرکت به عنوان متغیر مستقل مورد استفاده قرار گرفته­شده­است. در این پژوهش نسبت به مقایسه چهار مدل پیش­بینی معروف شامل مدل ماشین­بردار، شبکه­های عصبی مصنوعی، شبکه های عصبی مصنوعی بهینه­سازی شده با الگوریتم ژنتیک و رگرسیون لاجیت اقدام شده است که نهایتا شبکه عصبی مصنوعی بهینه­شده با الگوریتم ژنتیک بهترین کارایی را نسبت به سایر مدل­ها از خود نشان داد. همچنین با مقایسه ویژگی نسبت­های مالی و شاخص­های راهبری، نسبت­های مالی خود را به عنوان ویژگی­های تاثیرگذار و ارزشمندتری برای پیش­بینی ورشکستگی نشان­دادند. چنانچه دقت تخمین به ازای نسبت­های مالی در بالاترین سطح خود قرار دارند که در پایان می­توان نتیجه­گرفت که بهترین مدل برای پیش­بینی ورشکستگی مدل استفاده از نسبت­های مالی در شبکه عصبی مصنوعی بهینه­شده با الگوریتم ژنتیک می باشد. این الگوریتم بیشترین دقت را بدست آورده­است و خطای آن کمینه است و می­توان آن­را بعنوان یک مدل قابل اعتماد، پایدار و عملی در نظر گرفت.