چکیده:
درماندگی مالی و ورشکستگی شرکتها منجر به هدر رفتن منابع و عدم بهرهگیری از فرصتهای سرمایهگذاری میشود.پیشبینی درماندگی مالی با ارائه هشدارهای لازم میتواند شرکتها را نسبت به وقوع درماندگی مالی و ورشکستگی هوشیار نماید تا آنها با توجه به این هشدارها،به اقدامهای مناسب دست بزنند.هدف از انجام این پژوهش،مدلبندی پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکههای بیز است.به این منظور دو مدل با استفاده از شبکههای بیز و یک مدل با استفاده از رگرسیون لوجستیک برای نمونه انتخاب شده از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران ارایه شده است.اولین مدل شبکه ساده بیز که مبتنی بر همبستگی شرطی است میتواند با دقت 90% شرکتهای ورشکسته و غیر ورشکسته را درست پیشبینی کند.دومین مدل شبکه ساده بیز که مبتنی بر احتمال شرطی است با دقت 93% شرکتهای ورشکسته و غیر ورشکسته را درست پیشبینی میکند.در نهایت،مدل رگرسیون لوجستیک که یک مدل خطی است میتواند با دقت 90% شرکتهای ورشکسته و غیر ورشکسته را درست پیشبینی کند.
Financial distress and bankruptcy of companies may cause the resources to be wasted and the investment opportunities to be faded. Bankruptcy prediction by providing warnings can make the companies aware of the occurrence of bankruptcy and financial distress so that they could take appropriate decisions. The aim of this study is to model financial distress prediction of listed companies in Tehran stocks exchange (TSE) using Bayesian Networks (BNs). In order to accomplish this aim، two naïve bayes models and a logistic regression model using information of listed companies in Tehran Stock Exchange are developed. The accuracy of the first naïve bayes model's performance that is based upon conditional correlation is 90% and the accuracy of the second naïve bayes model that is based upon conditional likelihood is 93% and eventually the accuracy of the logistic regression model that is a linier model is 90%.
خلاصه ماشینی:
"با توجه به این که پژوهشهای اخیر در زمینه پیشبینی ورشکستگی از مدلهای آماری به سمت مدلهای مبتنی بر هوش مصنوعی پیش میروند،لذا در این پژوهش نیز با استفاده از شبکههای ساده بیز که یکی از جدیدترین مدلهای مبتنی بر هوش مصنوعی است،به بررسی پیشبینی درماندگی مالی پرداخته شده است.
در این پژوهش از دو روش شبکههای بیز و رگرسیون لوجستیک به منظور مقایسه نتایج آن با شبکههای بیز،برای پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران استفاده شده است.
فرضیه پژوهش فرضیه این پژوهش در مورد امکانسنجی استفاده از مدل شبکههای بیز برای پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران است.
6. آزمون فرضیه پژوهش و نتایج پژوهش فرضیه این پژوهش در مورد امکانسنجی استفاده از مدل شبکههای بیز برای پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران است.
نتیجهگیری در این پژوهش به بررسی امکانسنجی به کارگیری یکی از جدیدترین روشهای موجود در زمینه طبقهبندی(شبکههای بیز)برای پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران پرداخته شد.
اولین مدل ساده بیز که بر مبنای کار سان و شنوی[42]طراحی شد برای پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران عملکردی خوب داشت اما مدل دوم ساده بیز که در این پژوهش طراحی شده و روش انتخاب متغیر آن براساس احتمال شرطی است، نسبت به مدل اول بیز عملکردی بهتر داشت.
همچنین مدل شبکههای ساده بیز در مقایسه با مدل خطی(رگرسیون لوجستیک)برآورد شده در این پژوهش برای پیشبینی درماندگی مالی از عملکردی بهتر برخوردار است."