کبری یوسفی - دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک دانشگاه آزاد اسلامی صفاشهر
طاهره تماری - دانشجوی کارشناسی ارشد فناوری اطلاعات گرایش تجارت الکترونیک دانشگاه آزاد اسلامی صفاشهر

پیش بینی ورشکستگی یکی از اهداف مهم مالی شرکت هاست، به این منظور تحقیقات بسیاری انجام شده است. درپژوهش های گذشته از مدلهای مختلف آماری و هوش مصنوعی استفاده شده و با کمک ابزار داده کاوی که می توانددر برگیرنده مجموعه ای از مدلهای مختلف باشد (ازجمله: شبکه های عصبی، رگرسیون لجستیک، ماشین بردار پشتیبان،درخت های تصمیم) به بررسی توان مدل های پیش بینی ورشکستگی و درماندگی مالی پرداخته شده است. با توجه بهاهمیت فوق العاده پیش بینی ورشکستگی و و انتخاب روشی که دقت بالاتری در این مسئله داشته باشد ، هدف اینپژوهش رسیدن به مناسب ترین جواب در این زمینه است . به همین منظور ، در این پژوهش ابتدا عوامل موثر از جملهمتغیرها و روش دسته بندی در پیش بینی صحیح ورشکستگی که می تواند نتایج تحقیق را تحت تاثیر قرار دهد، موردبررسی قرار گرفته و سپس پرکاربردترین الگوریتم های طبقه بندی به لحاظ میزان دقت (صحت) در پیش بینیورشکستگی بیان شده و با توجه به اینکه پژوهش های مقایسه ای مختلف به منظور تعیین دقت هر یک از مدل ها میتواند جذاب باشد، الگوریتم ها و روش ها با هم مقایسه شده وسپس به این نتیجه رسیده که ترکیب الگوریتم های کهبالاترین میزان دقت را دارند ، می تواند، بهترین مدل جهت پیش بینی ورشکستگی را گزینش کند. در پایان پیشنهاداتیجهت بهبود فرایند پیش بینی ورشکستگی وتحقیقات آینده ارائه شده است.

پیش بینی ورشکستگی ،داده کاوی،دقت مدل