زهرا پورزمانی - استادیار، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران
محمدرضا اولی - دانشجوی دکتری حسابداری ,دانشگاه آزاد اسلامی واحد علوم و تحقیقات,تهران

ورشکستگی رویدادی است که هم از لحاظ اجتماعی و هم از لحاظ اقتصادی کشور به چالش می کشد . بنابراین اگر بتوانیم در مورد امکان وقوع ورشکستگی پیش از رخداد واقعی آن اطلاعاتی به دست آوریم، می توانیم ازپیامدهای اقتصادی و اجتماعی آن کاسته و یا حتی جلوگیری کنیم. هدف این تحقیق بررسی قدرت پیش بینی بحران مالی با استفاده از مدلهای الگوریتم ژنتیک خطی و الگوریتم ژنتیک غیرخطی جهت بالا بردن توان تصمیمگیری استفاده کنندگان صورت های مالی در پیش بینی بحران مالی شرکت ها می باشد . توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است . بر اساس اطلاعات و آمارهای در دسترس شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در طی دوره1376-89از بین شرکت های مشمول ماده 141 قانون تجارت، 72 شرکت و از بین بقیه شرکت ها نیز 72 شرکت انتخاب شد. نتایج آزمون مک نمار برای تکنیکهای الگوریتم ژنتیک خطی و غیرخطی نشان داد اگرچه که دقت پیشبینی الگوریتم ژنتیکغیرخطی ( 90درصد) بیشتر از الگوریتم ژنتیک خطی ( 80 درصد) است ولی این تفاوت از لحاظ آماری معنیدار نیست

بحران مالی، متغیرهای مالی، الگوریتم ژنتیک خطی، الگوریتم ژنتیک غیر خطی