طراحی مدل پیش بینی بحران مالی شرکت ها با ترکیب تحلیل صورت های مالی و اخبار اقتصادی با رویکرد یادگیری ماشین

هدف این پژوهش طراحی مدلی کارآمد برای پیش بینی بحران مالی شرکت ها با رویکرد ترکیبی تحلیل صورت های مالی و اخبار اقتصادی با بهره گیری از تکنیک های یادگیری ماشین. است جامعه آماری شامل شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۹۸ تا ۱۴۰۲ بوده و نمونه ای متشکل از ۱۲۵ شرکت انتخاب شد. داده های ساختاریافته از صورت های مالی و داده های غیر ساختاریافته از منابع خبری اقتصادی گردآوری گردید. الگوریتم های یادگیری ماشین نظیر شبکه عصبی، ماشین بردار پشتیبان (SVM) و درخت تصمیم در کنار پردازش زبان طبیعی (NLP) برای تحلیل داده ها به کار گرفته شدند. نتایج نشان داد که ترکیب داده های ساختاریافته و غیر ساختاریافته دقت پیش بینی بحران مالی را به طور معناداری افزایش داده و مدل ترکیبی با دقت ۹۲٫۴ درصد عملکرد بهتری نسبت به مدل های مجزای مبتنی بر داده های مالی یا متنی داشت. این مدل می تواند به عنوان ابزاری موثر در مدیریت ریسک و تصمیم گیری مالی مورد استفاده قرار گیرد.

Keywords:

بحران مالی , اخبار اقتصادی , یادگیری ماشین , شبکه عصبی , داده های ساختار یافته