تبیین متغیرهای مالی موثر در پیش بینی احیای مالی با استفاده از رویکرد هوش مصنوعی

هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیش بینی احیای مالی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران و بهره مندی از رویکرد هوش مصنوعی در تحلیل داده های مربوط به ۱۷۳ شرکت درمانده احیاشده طی دوره زمانی ۱۳۸۳ – ۱۳۹۹ بود. در این رویکرد، نخست با استفاده از الگوریتم­های انتخاب ویژگی های لارس و رلیف، از میان ۵۴ متغیر مالی منتخب، ۱۰ متغیر مهم و موثر در احیای مالی شرکت­های نمونه، شناسایی شد. در ادامه، برای ارزیابی دقت نتایج متغیرهای شناسایی شده در پیش بینی احیای مالی از الگوریتم­های یادگیر ماشین بردار پشتیبان و درخت تصمیم استفاده شد. نتایج نشان داد متغیرهای برگزیده با روش انتخاب ویژگی لارس و ارزیابی دقت با الگوریتم ماشین بردار پشتیبان نسبت به روش انتخاب ویژگی رلیف و ارزیابی دقت با الگوریتم درخت تصمیم، عملکرد بهتری در پیش بینی زمان خروج از درماندگی داشته است. همچنین، نتایج آشکار کرد که بدون لحاظ کردن روش­های انتخاب ویژگی، ماشین یادگیر بردار پشتیبان در مقام مقایسه با درخت تصمیم، در پیش­بینی زمان خروج از درماندگی، از قدرت پیش­بینی بالاتری برخوردار است. براساس نتایج، به سرمایه گذاران بازار سرمایه در انتخاب پرتفوی سرمایه گذاری پیشنهاد می شود برمبنای متغیرهای مالی موثر در پیش بینی احیای مالی و ماشین یادگیر بردار پشتیبان، شرکت های مستعد خروج از درماندگی را شناسایی و اقدام به سرمایه گذاری نمایند.

Keywords:

طبقه بندی JEL: B۲۶ , C۵۸ , D۵۳ , G۳۴. واژگان کلیدی: درماندگی مالی , احیای مالی , متغیرهای مالی , رویکرد هوش مصنوعی , بورس اوراق بهادار تهران