آزاده جنت رستمی - دانشجوی کارشناسی ارشد حسابداری دانشگاه علامه طباطبایی

ورشکستگی شرکتها معمولاً بر نقدینگی بازار سرمایه و توسعه ی اقتصاد مو ثر است . در زمان ورشکستگی، بانکها معمولاً اعتباردهی به شرکتها ی ورشکسته را کاهش داده ودر ازای وامی که به شرکتها میدهند ، بهره ی بالاتری را بر ای جبران ریسک اضافی درخواست می کنند. بر همین اساس پیش بینی ورشکستگی شرکتها همواره از اهمیت بسزایی برخوردار است. هدف این پژوهش، بررسی کارایی شبکههای عصبی در پیش بینی بحرانهای مالی درشرکتهای پذیرفته شده در بورس اوراق بهادار تهران ، 2931 2931 بوده و 211 شرکت به عنوان نمونه انتخاب شده - است. الگوهای استفاده شده به منظورپیشبینی ورشکستگی را میتوان به چنددسته تقسیم کرد، دستههایی که با گذشت زمان پیچیدهتر و پیشرفتهتر شدهاند: مدلهای تک متغیره، تحلیلهای ممیزی چندمتغیره، تابع رگرسیون وشبکههای عصبی و... . امروزه شبکههای عصبی به خاطر ویژگیهای غیرخطی و ناپارامتریکی که دارند محبوبیتخاصی دربین محققین پیدا کردهاند. یکی از پارامترهای مهم در مدل شبکه عصبی بحث آموزش آن میباشد دراین تحقیق به منظور بررسی تاثیر ساختارهای مختلف شبکه عصبی به مقایسه شبکه تابع پایه شعاعی 1 و شبکه عصبی احتمالی به منظور پیشبینی بحران مالی شرکتهای بورسی پرداختهایم. نتایج نشان میدهد تفاوت معنیداری بین عملکرد شبکه عصبی مصنوعی و شبکه عصبی احتمالی وجود دارد.

شبکه های عصبی، بحرانهای مالی، بورس اوراق بهادار تهران