چکیده:
یکی از مهم ترین موضوع های مطرح شده در مدیریت مالی، تشخیص فرصت های مطلوب سرمایه گذاری توسط سرمایه گذاران از فرصت های نامطلوب است. یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش بینی ورشکستگی شرکت های تولیدی استان کرمان، از مدل شبکه های عصبی استفاده شده است.
One of the main important issues in financial management is choosing the best way for utilizing investment. Investors like to invest their capitals in a way to minimize its risks. Bankruptcy is one of the risk factors which affect the decision making for investment. Predicting bankruptcy can helps investors to reduce the risks in capital markets and to recognize the best opportunities for their capitals. To do this، the Artificial Neural Network technique can be used for bankruptcy of firms in the future. In this study، this method is applied for the firms in the Province of Kerman، Iran. The result shows that none of the firms will bankrupt in the year 2008.
خلاصه ماشینی:
"استفاده از مدلهای ANN در پیشبینی برخی از متغیرها موجب شد که اقتصاددانان به این روش توجه کنند و از آن برای حل برخی از مشکلات پولی و مالی، از جمله پیش بینی ورشکستگی استفاده نمایند (لی 4 و دیگران، 1996) در این پژوهش برای پیشبینی ورشکستگی شرکتهای تولیدی استان کرمان از مدل شبکههای عصبی استفاده شده است.
2- ضرورت انجام تحقیق بحران مالی و نهایتا ورشکستگی میتواند زیانهای هنگفتی را برای سهامداران، مدیران، شرکتها و اقتصاد کشور ایجاد کند، بنابراین انجام تحقیقی که بتواند به Rees Adnan Artificial Neural Network Lee حل این مسأله کمک کند، ضرورت مییابد.
در این پژوهش با استفاده از شبکههای عصبی به پیش بینی ورشکستگی شرکتهای تولیدی استان کرمان پرداخته شده است.
Odam and Shara Salchengberger Tam and Kiang Zhang ٢.
نمودار 1: استفاده از اطلاعات مالی سه سال متوالی جهت پیش بینی ورشکستگی سیستم شبکهی عصبی مصنوعی این پژوهش به این صورت عمل میکند: ابتدا در گام اول یادگیری، وزنهای ورودیها (pi) به مدل داده میشود و بعد در هر دور یادگیری، هنگام حرکت رو به جلو خروجیهای گرهها تا لایهی آخر محاسبه میشوند و سپس پارامترهای نتیجه توسط روش کمترین مجموع مربعات خطا محاسبه میشوند.
نتایج مدل نشان داد که از پنج متغیر مورد استفاده در این مدل، سه متغیر نسبت جاری، سرمایه در گردش به کل داراییها و سود قبل از بهره و مالیات به کل داراییها بر اساس اطلاعات سال قبل در هر نمونه، نسبت عکس با ورشکستگی شرکتها داشته است.
نتایج این تحقیق ضمن اینکه نشان داد شبکههای عصبی در پیشبینی ورشکستگی شرکتها از دقت بالای برخوردار است، مشخص نمود که تنها یکی از شرکتهای تولیدی استان کرمان با احتمال 97% در سال 1387 ورشکسته خواهد شد."