پیش بینی ورشکستگی

استفاده از ابزارها و روش های پیش بینی سنتی خطای بالایی داشته و در مقایسه با روش های جدیدتر و مدل های غیرخطی عملکرد ضعیف تری دارند. یکی از روش ها و الگوریتم های پرکاربرد در پیش بینی استفاده از یادگیری ماشین است. هدف اصلی این پژوهش بررسی کاربرد یادگیری ماشین در ارائه الگویی برای پیش بینی ورشکستگی 308 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1389 تا 1398(3080 سال – شرکت) می باشد که برای آزمون فرضیه ها از رگرسیون چند گانه داده های ترکیبی و به منظور پیاده سازی الگوریتم خوشه بندی Medians-K و محاسبات مربوطه از نرم افزار محاسبات اماری R استفاده گردید. نتایج حاصل از پژوهش نشان می دهد از میان نسبت های مالی مشخص شده در مدل اول فقط نسبت درآمد خالص به کل دارایی و نسبت ارزش بازار حقوق صاحبان سهام به کل ارزش بازار موجب می توانند توانایی مدل پیش بینی ورشکستگی را بهبود ببخشند. همچنین در مدل دوم نسبت های مالی مشخص شده توانایی بهبود مدل پیش بینی ورشکستگی را داشته و با اضافه کردن متغیر Devscore برای گروه هایی که بر اساس صنعت و اندازه ساخته شده اند، مدل اصلاح شده و پیش بینی ورشکستگی را بهبود می بخشد. نتایج حاکی از آن است که یک شرکت در صورت داشتن نسبت های مالی مرتبط با ورشکستگی که پایین تر از میانگین همسانان خوشه ای خود است، احتمالاً ورشکسته می شود.

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.