تاثیر اطلاعات سرمایه در گردش در پیش‌بینی درماندگی مالی بر مبنای ترکیب شبکه‌ عصبی مصنوعی و الگوریتم تجمعی حرکت ذرات

نویسندگان

1 استادیار، گروه حسابداری، واحد بافت، دانشگاه آزاد اسلامی، بافت، ایران

2 دانشجو دکتری حسابداری، دانشگاه شیراز، شیراز، ایران.

doi
10.52547/JFMP.12.38.75
چکیده

با وجود این واقعیت که مدیریت سرمایه در گردش در درماندگی مالی نقشی محوری دارد؛ اما مطالعات انجام‌شده در این زمینه، تاکنون درک عمیقی‌ از چگونگی تأثیرگذاری اطلاعات سرمایه در گردش بر درماندگی مالی را فراهم نکرده‌ است؛ از این رو هدف اصلی این پژوهش بررسی تاثیر اطلاعات سرمایه در گردش در پیش‌بینی درماندگی مالی بر مبنای ترکیب شبکه‌ عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات است. نمونۀ آماری متشکل از 120 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران برای دورۀ زمانی 1387 تا ۱۳۹۸ است. در راستای دستیابی به اهداف پژوهش، ابتدا 28 متغیر اثرگذار بر درماندگی مالی انتخاب و سپس با استفاده از روش رگرسیون لجستیک پیش‌رو مدل برآورد و 5 متغیر تاثیرگذار انتخاب گردید. در گام بعد، به منظور بررسی محتوای اطلاعاتی مدیریت سرمایه در گردش به مقایسه مدل پژوهش با توجه و بدون توجه به متغیر مدیریت سرمایه در گردش بر مبنای ترکیب شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات پرداخته شده‌است. نتایج مقایسه دو مدل نشان داد توسعه مدل پژوهش، خطای آموزش شبکه عصبی با الگوریتم حرکت تجمعی ذرات را بـه مقـدار 0641/0 کـاهش می‌دهد. همچنین، با توسعه مدل پژوهش، از طریق وارد کردن متغیر مدیریت سرمایه در گردش، سطح زیرمنحنی راک به 6248/0 افزایش می‌یابد و در نتیجه، بر دقت مدل پژوهش تا 53/70 درصد افزوده می‌شود. همچنین نتایج، افزایش قدرت مدل توسعه یافته پژوهش را نشـان مـی‌دهـد؛ امـا نتیجه آزمون ضعیف است و نشان می‌دهد مدل توسعه‌یافته پژوهش نیز در تفکیک شـرکت‌هـا به دو گـروه درمانده و غیر درمانده مالی، کمابیش یک مدل تصادفی است