یلدا جدیدی - دانشجوی کارشناسی ارشد، گروه حسابداری ، واحد کرج ، دانشگاه آزاد اسلامی، کرج
بهرام همتی - عضو هیئت علمی، گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی ، کرج
مریم گوارا - عضو هیئت علمی، گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج

پژوهشگران بسیاری، به پیش بینی ورشکستگی با استفاده از متغیرهای متعدد و روش های گوناگون پرداخته اند با پیشبینی بحران مالی شرکت ها، میتوان برنامه ریزی لازم را جهت جلوگیری از ورشکستگی آنها انجام داد. لذا یافتن روش هایی برای پیش بینی بحران که قبل از ورشکستگی اتفاق می افتد، بسیار حائز اهمیت بوده که در این زمینه اطلاعات حسابداری نقش بسزایی دارد. هدف این تحقیق استفاده از شبکه عصبی عددی ساز برداز یادگیر در طبقه بندی ریسک ورشکستگی شرکت های بورس اوراق بهادار تهران طی سال های ۱۳۹۵ تا ۱۴۰۰ است. بنابراین پس از جمع آوری داده ها از بورس اوراق بهادار تهران، داده های ۲۵۰ شرکت جمع آوری شد که از این تعداد ۱۷۵ شرکت سالم و ۷۵ شرکت باقی مانده ورشکسته مالی بودند. در مرحله پیش پردازش پس از نرمال سازی خطی با استفاده از شبکه عصبی عدی ساز بردار یادگیر پیش بینی داده های ریسک ورشکستگی انجام شد و نتایج حاکی از دقت ۹۷.۶% و میانگین مربعات خطای ۰.۰۲۴ دارد. از طبقه بند k- نزدیک ترین همسایه در جهت مقایسه نتایج با شبکه عصبی عددی ساز بردار یادگیر استفاده شده است.

ریسک ورشکستگی، شبکه عصبی عددی ساز بردار یادگیر، پیش بینی