طراحی مدل پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با مدل رگرسیون لوجیت

با توجه به نگرانی هایی که سرمایه گذاران از بازگشت اصل و سود سرمایه دارند و پیامدها و هزینه هایی که وقوع ورشکستگی برای شرکت ها و اقتصاد کشور و سایر افراد و نهادها می تواند ایجاد نماید، طراحی یک مدل قابل اطمینان جهت پیش بینی احتمال وقوع ورشکستگی شرکت ها برای راهنمایی برای تصمیم گیرندگانی همچون شرکت-های سرمایه گذاری، بانک ها و دولت ضروری به نظر می رسد. در این پژوهش از روش شبکه عصبی مصنوعی و روش رگرسیون لوجیت جهت پیش بینی ورشکستگی تعدادی از شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۹۵ تا ۱۳۹۹ استفاده شده و نتایج با روش رگرسیون لوجیت مقایسه شده است. میزان دقت کلی پیش بینی روش شبکه عصبی مصنوعی برای هریک از سال-های t، t-۱، t-۲ و t-۳ به ترتیب برابر با ۵۵/۹۶ % ، ۵۵/۹۶ % ،۲۴/۹۲ % و ۲۴/۹۲ % و برای روش رگرسیون لوجیت برای همین سال ها به ترتیب ۹۴% ، ۸۲/۹۴% ، ۵۱/۹۰% و ۰۶/۸۷% می باشد که نشان داد روش شبکه عصبی مصنوعی از دقت بالاتری نسبت به روش رگرسیون لوجیت برخوردار می باشد. لذا می توان نتیجه گرفت که روش شبکه عصبی مصنوعی ابزار مناسب تری برای پیش بینی ورشکستگی شرکت ها در اختیار قرار می دهد.

Keywords:

پیش بینی ورشکستگی مالی , شبکه عصبی مصنوعی , رگرسیون لوجیت