بررسی سودمندی طبقهبندیکنندۀ جنگلهای تصادفی و روش انتخاب متغیر ریلیف در پیشبینی بحران مالی: مطالعۀ شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران
نویسندگان
1 دانشگاه شیراز
2 شیراز- بلوار پاسداران- خیابان کمیل- بعد از کوچه 8- منزل ششم
3 دانشگاه شیراز
doi
10.22108/far.2016.20734چکیده
پژوهش حاضر به پیشبینی بحران مالی شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از طبقهبندیکنندۀ غیرخطی جنگلهای تصادفی میپردازد. در این راستا، پس از بررسی متون پژوهش و شناسایی 69 متغیر پیشبین اولیه، از روش انتخاب متغیر ریلیف برای شناسایی متغیرهای پیشبین بهینه استفاده شد. یافتههای تجربی مربوط به بررسی 95 شرکت - سال سالم (بدونِ درماندگی مالی) و 95 شرکت - سال (درماندۀ مالی) پذیرفتهشده در بورس اوراق بهادار تهران در سالهای 1380 تا 1392 بیانگر عملکرد بهتر جنگلهای تصادفی نسبت به رگرسیون لجستیک است. به بیان دیگر، در صورت استفاده از این طبقهبندیکننده، بهطور معناداری، میانگین دقت افزایش و خطای نوع اول و دوم کاهش مییابد. افزون بر این، یافتههای پژوهش بیانگر سودمندی روش انتخاب متغیر ریلیف در پیشبینی بحران مالی است. به عبارت دیگر، در صورت استفاده از متغیرهای منتخب روش ریلیف (نسبت به استفاده از 69 متغیر اولیه)، بهطور معناداری، میانگین دقت افزایش وخطای نوع اول و دوم کاهش مییابد.