مصطفی تقی ملایی

امروزه کسب و کارها برای بقا ، به مدیریت صحیح منابع و مصارف خود نیازمندند، در عرصه رقابتی انعطاف پذیری شرکت ها به شدت کاهش یافته و این عامل موجب شده که آنها در شرایط اقتصادی مختلف توانایی عکس العمل صحیح و مناسب را نداشته و با خطر ورشکستگی روبرو شوند. پیش بینی ورشکستگی شرکت ها از موضوعات مهمی است که به موفقیت و تداوم شرکتها کمک شایانی می کند.هدف این پژوهش طراحی و تبیین الگوی پیش بینی ورشکستگی شرکت ها با استفاده از مدل یادگیری عمیق بهینه شده با الگوریتم فراابتکاری نهنگ می باشد.مدل یاد شده روی داده های 328 نمونه از شرکتهای بورسی شامل 246 شرکت سالم و 82 شرکت ورشکسته در بازه زمانی 1395تا1400پیاده سازی شده است . نسبت های مالی، متغیر های مستقل این پژوهش می باشند که با استفاده از الگوریتم فرااکتشافی نهنگ بهینه شده و به عنوان یکی از مدل های هوش مصنوعی استخراج شده است .نتایج نشان داد ،نسبتهای سودعملیاتی به جمع دارایی ها ، وجه نقد به فروش خالص، وجه نقد به جمع دارایی ها، وجه نقد به بدهی جاری، بدهی جاری به جمع دارایی ها مؤثرترین متغیره ا در تعیین ورشکستگی بوده اند و در تمامی معیارهای ارزیابی مدل های طبقه بندی ، تابع برازش و ناحیه تحت منحنی ROC الگوریتم نهنگ در مقایسه با الگوریتم ازدحام ذرات کارایی بهتری را ارائه کرد.

پیش بینی ورشکستگی شرکت ها با دقت بالا از موضوعات مهمی است که به تداوم شرکتها کمک شایانی می کند.هدف این پژوهش بررسی پیش بینی ورشکستگی شرکت ها با استفاده از شبکه عصبی پرسپترون چند لایه بهینه شده با الگوریتم های فراابتکاری جستجوی خزندگان ، نهنگ و ازدحام ذرات می باشد. این پژوهش از نوع پژوهش های کمی ، کاربردی واز نوع توصیفی همبستگی می باشد.مدل یاد شده روی داده های 328 نمونه از شرکتهای بورسی شامل 246 شرکت سالم و 82 شرکت ورشکسته در بازه زمانی 6 ساله بین سالهای 1395تا1400پیاده سازی شده است . ملاک تعیین ورشکستگی شرکتها ماده 141 قانون تجارت می باشد. نسبت های مالی، متغیر های مستقل این پژوهش می باشند که با استفاده از الگوریتم های مذکور ترکیب بهینه نسبت ها استخراج شده است . عملکرد الگوریتم ها با استفاده از 5 معیار ارزیابی عملکرد الگوریتم های فراابتکاری مورد ارزیابی قرار گرفت .نتایج به دست آمده از شبیه سازی و مقایسه الگوریتم های پیشنهادی نشان می دهد که الگوریتم جستجوی خزندگان در مقایسه با الگوریتم های نهنگ و ازدحام ذرات در پیش بینی ورشکستگی شرکت ها عملکرد بهتری داشته وکارایی و اثربخشی این الگوریتم در مقایسه با دو الگوریتم دیگر بالاتر می باشد.