زهرا پورزمانی - استادیار، عضو هیات علمی دانشگاه آزاد اسلامی، واحد تهران مرکزی.
رضا کی پور - استادیار مهندسی برق ، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان.
مصطفی نورالدین - دانشجوی کارشناسی ارشد حسابداری، دانشگاه آزاد اسلامی واحد تهران مرکزی.

مالکان، مدیران، سرمایه گذاران، اعتباردهندگان، شرکتهای تجاری و همچنین موسسات دولتی علاقمند به ارزیابی وضعیت مالی شرکت ها هستند چرا که در صورت ورشکستگی هزینه های زیادی به آنها تحمیل می شود. امروزه از الگوهای مختلفی مانند : تکنیک های آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری) و تکنیک های هوش مصنوعی (شبکه های عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعه های سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی ورشکستگی استفاده می شود. هدف از این پژوهش تعیین الگوهایی با استفاده از متغییرهای مالی (نسبت های مالی صورتحساب سود وزیان و ترازنامه) جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورتهای مالی در پیش بینی بحران مالی شرکتها می باشد. در این تحقیق چهار الگوی پیش بینی بحران مالی(الگوهای مبتنی بر روش های سنتی MDA ، الگوریتم ‍ژنتیک خطی، الگوریتم ژنتیک غیر خطی و شبکه عصبی) برای پیش بینی بحران مالی دو سال قبل از وقوع آن تدوین شده است. سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. با توجه به نتایج آزمون مشخص گردید الگوی مبتنی بر شبکه عصبی دارای بالاترین توان در پیش بینی بحران مالی شرکت ها می باشد.

بحران مالی, متغیرهای مالی, تحلیل تشخیصی چندگانه, الگوریتم ژنتیک, شبکه های عصبی