چکیده:
سود آوری به عنوان مبنایی برای ارزیابی کارایی مدیران شرکتها مورد استفاده قرار می گیرد. همچنین بخشی از تصمیم گیری به پیش بینی توانایی سودآوری آینده شرکتها مربوط می شود. امروزه تجزیه و تحلیل نسبت های مالی یک تکنیک قوی و ابزاری مناسب برای استفاده کنندگان در جهت شناخت و ارزیابی عملکرد گذشته، حال و پیش بینی وضعیت آینده شرکت هاست. یکی از مشکلاتی که در استفاده از نسبتهای مالی برای ارزیابی وضعیت مالی شرکت ها وجود دارد، این است که هر مجموعه نسبت های مالی یک بعد از عملکرد شرکتها را اندازه گیری می کند. برای از میان برداشتن این مشکل می توان از روشهای تصمیم گیری چند معیاره از جمله تحلیل پوششی داده ها، شبکه های عصبی مصنوعی، منطق فازی و ... استفاده نمود. هدف این تحقیق بررسی قدرت پیش بینی سودآوری آینده شرکتها با استفاده از مدل های الگوریتم ژنتیک خطی و الگوریتم ژنتیک غیرخطی است جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورتهای مالی در پیش بینی سودآوری آینده شرکتها می باشد. . سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. بر اساس اطلاعات و آمارهای در دسترس شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1391-1371، از 23 نسبت مالی برتر ، به عنوان متغیر مستقل استفاده شد. نتایج آزمون نشان می دهد دقت پیش بینی الگوریتم ژنتیک غیرخطی (90.04 درصد) بیشتر از الگوریتم ژنتیک خطی (87.14 درصد) است.
خلاصه ماشینی:
از آنجاييکه يکي از برتريهاي الگوريتم ژنتيک نسبت به ساير مدل هاي سنتي پيش بيني عدم وابستگي اين الگوريتم بر فرضيه هاي آماري محدودکننده و نرمال بودن توزيع نسبت ها يا برابري واريانس يا کوواريانس ماتريس نسبت ها است ، هدف اين تحقيق بررسي قدرت پيش بيني سودآوري با استفاده از مدل هاي الگوريتم ژنتيک خطي و الگوريتم ژنتيک غيرخطي و مقايسه آنها بايکديگر جهت بالا بردن توان تصميم گيري استفاده کنندگان صورتهاي مالي در پيش بيني مي باشد(پورزماني و ديگران ، ١٣٨٩).
جدول ٢ : مدل تجزيه مؤلفه هاي اصلي و الگوريتم ژنتيک خطي- پيش بيني سودآوري سال آينده (رجوع شود به تصویر صفحه) بررسي نتايج اين مدل به صورت کلي (در مجموعه داده هاي آموزشي و آزمايشي) نشان مي دهد که مدل تشخيصي در طبقه بندي صحيح شرکت هاي داراي سودآوري بالا در اين مجموعه داراي دقت ٩٠,٣٢% است .
89 جدول ٣ : مدل ترکيبي تجزيه مؤلفه هاي اصلي و الگوريتم ژنتيک غير خطي - پيش بيني سودآوري سال آينده مدل ترکيبي تجزيه مؤلفه هاي اصلي و الگوريتم ژنتيک غيرخطي (رجوع شود به تصویر صفحه) بررسي نتايج اين مدل به صورت کلي (در مجموعه داده هاي آموزشي و آزمايشي) نشان مي دهد که مدل تشخيصي در طبقه بندي صحيح شرکت هاي داراي سودآوري بالا در اين مجموعه داراي دقت ٩٣,٨٢% است .
Integrating Neural Network and Colonial Competitive Algorithm: A New Approach for Predicting Bankruptcy in Tehran Security Exchange", Asian Economic and Financial Review, 3(11):1528-1539 * Beynon, M.