وحید فرهام - دانشجوی دکتری حسابداری، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران
حسین شفیعی - استادیار گروه حسابداری، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران
عباس شیبانی تذرجی - استادیار گروه حسابداری، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران

پیش بینی ریسک ورشکستگی مالی یکی از مهمترین موضوعات در حوزه تصمیم گیری مالی بیمارستان ها است. در این مطالعه، پیش بینی با استفاده از متغیرهای حسابرسی و افشاگری های گزارشات حسابرسی و تکنیک های الگوریتم درخت تصمیم C۵.۰ و الگوریتم عصبی از نوع مدل معمولی و پرسپترون چندلایه ( MLP ) صورت پذیرفت. نمونه پژوهش شامل ۱۰۰ بیمارستان طی سال های(۱۳۸۷-۱۳۹۶) از طریق نمونه گیری حذف سیستماتیک مورد بررسی قرارگرفت. نتایج پژوهش نشان می دهد که الگوی طراحی شده توسط الگوریتم درخت تصمیم C۵.۰ و الگوریتم های شبکه های عصبی به ترتیب ، دقت پیش بینی ۶۱ و ۷/۶۶ درصد را دارد که این اعداد ، دقت زیاد مدل طراحی شده را برای این بیمارستان ها را نشان می دهد . نتایج پژوهش نشان می دهد که الگوی طراحی شده توسط الگوریتم درخت تصمیم C۵.۰ و الگوریتم های شبکه های عصبی به ترتیب ، دقت پیش بینی ۶۱ و ۷/۶۶ درصد را دارد که این اعداد ، دقت زیاد مدل طراحی شده را برای این بیمارستان ها را نشان می دهد .

شکست کسب و کار, افشاگری گزارشات حسابرسی بیمارستانی, درخت تصمیم, شبکه های عصبی مصنوعی, طبقه بندی موضوعی