سید حسام وقفی - دانشجوی دکتری حسابداری واحد تهران جنوب دانشگاه آزاد اسلامی ،تهران ،ایران
رویا دارابی - دانشیار کروه حسابداری ، واحد تهران جنوب، دانشگاه ازاد اسلامی، تهران، ایران

تحلیل درماندگی مالی یک پدیده با اهمیت برای سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان از اطلاعات مالی محسوب می شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می شود و می تواند هم برای مدیران و هم برای سرمایه گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات ۱۳۵۰ شرکت سال طی دوره ۱۳۸۷ الی ۱۳۹۵ در بخش صنعت و معدن بازار سرمایه ایران به بررسی عوامل موثر بر درماندگی مالی و پیش بینی آن به وسیله الگوریتم های هوش مصنوعی (روش درخت تصمیم، ماشین بردار پشتیبان و طبقه بندی بیز) با استفاده از نرم افزار متلب ۲۰۱۷ پرداخته است. نتایج تحقیق حاکی از تاثیر مستقیم تورم و ریسک مالی و تاثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر درماندگی مالی می‎باشد. همچنین نتایج نشان می دهد که الگوریتم درخت تصمیم با استفاده از داده های مالی و اقتصادی کارایی بالاتری نسبت به روش طبقه‎بندی بیز و ماشین بردار پشتیبان در جهت پیش بینی درماندگی مالی دارد.

درماندگی مالی / الگوریتم هوش مصنوعی / بخش صنعت و معدن بازار سرمایه ایران