چکیده:
تشخیص فرصتهای مناسب سرمایهگذاری، از کلیدیترین عناصر موفقیت در صنعت خدمات مالی است. یکی از ملاکهای مهم ارزیابی میزان سرمایهگذاری در بازاریابی خدمات مالی، پیشبینی ورشکستگی شرکتهاست. تا به امروز تکنیکهای مختلفی برای طراحی مدلهای پیشبینی ورشکستگی شرکتها استفاده شده است. از آنجا که مطالعات اخیر در زمینه پیشبینی ورشکستگی، بر ایجاد و بهکارگیری هوش مصنوعی و روشهای یادگیری ماشینی متمرکز شده است، در پژوهش حاضر به منظور پیشبینی ورشکستگی شرکتها از سه روش شبکههای عصبی-فازی (ANFIS)، شبکههای عصبی مصنوعی(ANN) و رگرسیون لجیت استفاده شده است. نمونه تحت بررسی شامل 71 شرکت ورشکسته و 74 شرکت سالم هستند که طی یک دوره پنجساله از سال 1389 تا 1394 از بورس اوراق بهادر تهران انتخاب شدهاند. یافتههای پژوهش گویای آن است که در پیشبینی ورشکستگی شرکتها، مدل مبتنی بر شبکههای عصبی مصنوعی(ANN) نسبت به مدل مبتنی بر شبکههای عصبی-فازی(ANFIS) و رگرسیون لجیت(LR) از دقت کلی بیشتری برخوردار است.
خلاصه ماشینی:
مقایسه سیستم های هوش مصنوعی (ANN و ANFIS) و رگرسیون لجیت در پیشبینی ورشکستگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران علیرضا بحیرایی1*، کیوان اعتمادی2، امیر گرامی اصل3 1- استادیار ریاضیات مالی، دانشکده ریاضی و آمار و علوم کامپیوتر، دانشگاه سمنان 2- کارشناسی ارشد ریاضی مالی، دانشکده ریاضی و آمار و علوم کامپیوتر، دانشگاه سمنان 3- کارشناسی ارشد MBA مالی، دانشکده اقتصاد و مدیریت، دانشگاه سمنان چکیده تشخیص فرصتهای مناسب سرمایهگذاری، از کلیدیترین عناصر موفقیت در صنعت خدمات مالی است.
از آنجا که مطالعات اخیر در زمینه پیشبینی ورشکستگی، بر ایجاد و بهکارگیری هوش مصنوعی و روشهای یادگیری ماشینی متمرکز شده است، در پژوهش حاضر به منظور پیشبینی ورشکستگی شرکتها از سه روش شبکههای عصبی-فازی (ANFIS)، شبکههای عصبی مصنوعی(ANN) و رگرسیون لجیت استفاده شده است.
02 خطا میتواند احتمال ورشکستگی 145 شرکت مالی را پیشبینی کند، که این نشان میدهد مدل شبکه عصبی در مقایسه با دو مدل دیگر از قدرت پیش بینی بالاتری برخوردار است.
07 خطا میتواند احتمال ورشکستگی 145 شرکت مالی را پیشبینی کند، که این نشان میدهد در اینجا مدل رگرسیون لجیت در مقایسه با شبکه عصبی- فازی از قدرت پیشبینی بالاتری برخوردار است.
در این پژوهش به بررسی امکان سنجی بهکارگیری روش شبکه عصبی و روش شبکه عصبی-فازی به عنوان یکی از جدیدترین الگوریتم های یادگیری برای پیشبینی ورشکستگی مالی شرکتها پرداخته شد.
برای این منظور، با استفاده از شبکه عصبی-فازی و شبکه عصبی مصنوعی و رگرسیون لجیت بهعنوان مدل مقایسهای، سه مدل برای پیشبینی ورشکستگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران ارائه شد.