پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از نسبت های مالی

درماندگی مالی و ورشکستگی شرکت ها منجر به هدررفتن منابع و عدم بهره گیری از فرصت های سرمایه گذاری می شود. پیش بینی درماندگی مالی با ارائه هشدارهای لازم می تواند شرکت ها را نسبت به وقوع درماندگی مالی و ورشکستگی هوشیار نماید تا آنها با توجه به این هشدارها، به اقدام های مناسب دست بزنند. امروزه مدل های مختلفی برای پیش بینی ورشکستگی مورد استفاده قرار می گیرد. هدف این مطالعه، ارائه مبانی تئوریکی تحقیق و مقایسه نتایج حاصل از به کارگیری مدل های آلتمن و فالمر و بررسی کارایی استفاده از ماشین بردار پشتیبان (SVM) وهمچنین استفاده از شبکه های بیز جهت پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و مقایسه این دو مدل با مدل رگرسیون لوجستیک (LR) می باشد. یافته های تحقیق حاکی از آن است در پیش بینی یک شرکت، تفاوت معنی داری بین نتایج دو مدل التمن و فالمر وجود دارد؛ همچنین مدل آلتمن در پیش بینی ورشکستگی محافه کارانه تر از مدل فالمر عمل می کند و مدل SVM نسبت به مدل LR بطور معناداری از دقت کلی بیشتری برخوردار ات و اولین مدل شبکه ساده بیز که مبتنی بر همبتگی شرطی ات می تواند با دقت 90% شرکت های ورشکسته و غیر ورشکسته را درست پیش بینی کند. دومین مدل شبکه ساده بیز که مبتنی بر احتمال شرطی است با دقت 93% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی می کند. در نهایت، مدل رگرسیون لوجستیک که یک مدل خطی است می تواند با دقت 90% شرکت های ورشکسته و غیرورشکسته را درست پیش بینی کند.

Keywords:

ورشکستگی , پیش بینی درماندگی مالی , مدل آلتمن , مدل فالمر , ماشین بردار پشتیبان , رگرسیون لوجستیک , شبکه ساده بیز