پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار با استفاده از الگوریتم جنگل تصادفی (با تاکید بر گزارشگری مالی)

پژوهش حاضر به بررسی پیش بینی ورشکستگی شرکت های پذیرفته شده که شامل ۷۰ شرکت ورشکسته و ۷۰ شرکت غیرورشکسته طی دوره ۹۷-۸۹ است. این شرکت ها از طریق فرایند تصادفی به دو نمونه آموزشی (شامل ۴۶ شرکت ورشکسته و ۴۶ شرکت غیر ورشکسته) برای ساخت مدل ها و نمونه آزمایشی (شامل ۲۴ شرکت ورشکسته و ۲۴ شرکت غیر ورشکسته)جهت آزمون روایی بیرونی مدل ها تقسیم شده اند. با استفاده از دو تکنیک رگرسیون لوجستیک و جنگل های تصادفی وبکارگیری نسبت های مالی منتخب، دو مدل جهت پیش بینی ورشکستگی استخراج شده و نتایج حاصل از آنها مورد مقایسهقرار گرفته است. مدل رگرسیون لوجستیک توانست ۸۷% شرکت های نمونه آموزشی و ۷۹% شرکت های نمونه آزمایشی رایک سال پیش از ورشکستگی به درستی در گروه های ورشکسته و غیر ورشکسته طبقه بندی نماید. همچنینی، مدل جنگل هایتصادفی توانست نمونه های آموزشی و آزمایشی به ترتیب با دقت ۹۰/۴ و ۹۰ درصد مشاهدات را به درستی در گروه هایورشکسته و غیرورشکسته طبقه بندی نماید. آزمون McNemar نشان داد که مدل جنگل های تصادفی در مقایسه با مدلرگرسیون لوجستیک، از برتری قابل توجهی برخوردار است. روش پژوهش از نظر هدف کاربردی می باشد و از نظر ماهیتتوصیفی دارد.

Keywords:

ورشکستگی , مدل پیش بینی , گزارشگری مالی , الگوریتم جنگل تصادفی , لجستیک