احمد بلوچ - دانشجوی کارشناسی ارشد، گروه کامپیوتروفناوری اطلاعات، دانشکده فنی مهندسی ، دانشگاه پیام نور، مرکزبین الملل واحد قشم، ایران
سیدحسن صادق زاده - استادیار، گروه کامپیوتر و فناوری اطلاعات، دانشکده فنی مهندسی ،دانشگاه پیام نور، تهران، ایران

بحران نهادهای مالی به شکل توقف و ورشکستگی، به واسطه نقش این نهادها در اقتصاد ملی و پیامدهای سیستماتیک آثار سوئی که ورشکستگی آنها در زمینه های اقتصادی، اجتماعی و سیاسی به دنبال دارد که باعث شده تا مدیریت و کنترل ورشکستگی موسسات مالی در چهارچوب قواعدی مجزا از سایر بنگاه های تجاری مورد توجه قرار بگیرد. در نظام حقوقی ایران نیز اصوال ورشکستگی موسسات مالی تحت نظام قواعد سنتی تاجر ورشکسته در چهارچوب شرکت های سهامی است. با این حال میتوان بیان داشت که ماهیت عملکرد این نهادها و اهمیت آنها در نظام اقتصادی و همچنین لزوم هم گرایی با قوانین و مقررات بانکی داخلی و بین المللی، اقتضا دارد که قواعدی مجزا در خصوص ورشکستگی موسسات مالی پیش بینی واعمال گردد. در این پژوهش به منظور پیش پردازش داده ها و ارائه مدل اولیه از الگوریتم ژنتیک بهینه و در ادامه به منظور اعتبارسنجی و ارزیابی میزان خطای مدل پیشنهادی از شبکه عصبی عمیق بر مبنای متغیرهای پیشنهادی استفاده شده است. داده های مورد نظر در پژوهش در چهار مرحله، آموزش، تست، آزمایش و اعتبارسنجی و در پنج فاز مورد بررسی و ارزیابی قرار گرفتند. آموزش داده ها بر مبنای مدل الگوریتم لونبرگ- ماد برای الیه اول و تابع خطی برای لایه دوم انجام شده است. در ادامه بهترین ساختار شبکه با تابع تبدیل در نظر گرفته شده و براساس مدل شبکه عصبی پیشنهادی در ۵ مرحله مورد آزمایش قرار گرفت. میزان مجذور میانگین مربعات خطا و میانگین مربعات خطا برای مراحل اول تا پنجم به ترتیب عبارتند از: ۰.۸۴۱۱۱ و ۰.۷۰۷۴۷ برای آزمایش اول، ۰.۴۳۳۵۸ و ۰.۱۸۸ برای آزمایش دوم، ۰.۲۲۱۲۷ و ۰.۰۴۸۹۶۱ برای آزمایش سوم، ۰.۱۵۷۲۳ و ۰.۰۲۴۷۲۲ برای آزمایش چهارم و ۰.۱۰۳۹۶ و ۰.۱۰۸۰۷ برای آزمایش پنجم می باشد. تحزیه و تحلیل پژوهش، سرعت همگرایی و کارایی بالاتر آن به دلیل نیفتادن در مینیمم های محلی کوجک سطح خطا بر مبنای روش پیشنهادی را نشان می دهد.

ورشکستگی مالی، بازار مالی، الگوریتم ژنتیک بهینه، شبکه عصبی عمیق، مانگین مربعات خطا