یعقوب جوادی جاوید - دانشجوی کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد بستان آباد، ایران
رسول نظری سفیدان - دانشگاه آزاد اسلامی، واحد بستان آباد گروه اقتصاد و حسابداری، بستان آباد، ایران
علی اکبر نونهال نهر - دانشگاه آزاد اسلامی، واحد بستان آباد گروه اقتصاد و حسابداری، بستان آباد، ایران

با توجه به تاثیرات بحران مالی شرکتها بر روی گروههای مختلف ذینفع، همواره ارائه الگوهای پیشبینی بحران مالی یکی از جذابترین حوزهها در تحقیقات مالی بوده است. در الگوهای پیشبینی موجود، عمدتا نسبتهای مالی به عنوان متغیرهای پیشبینی به کار گرفته می شوند. بر همین اساس نیز هدف این پژوهش پیشبینی بحران مالی با استفاده از روشهای شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی بوده است. به این منظور مدلهای اسپرینگیت و آلتمن مورد استفاده قرار گرفتهاند. جامعه آماری این پژوهش شامل کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. نمونه آماری شامل ۳۰ شرکت درمانده مالی و ۳۰ شرکت غیردرمانده طیسالهای ۸۶ تا ۹۴ می باشد که به منظور دسته بندی شرکتها به دو گروه مذکور، از امتیاز خروجی از مدلهایاسپرینگیت و آلتمن استفاده شده است. نتایج حاصل نشان می دهدکه شبکه عصبی مصنوعی توانسته است بر اساس مدل آلتمن، بحران مالی را با دقت تقریبا ۱۰۰ درصدی پیشبینی نماید. در حالیکه همین شبکه بر اساس مدل اسپرینگیت در پیشبینی بحران مالی دقتی ۵۰ درصدی داشته است. همچنین شبکه عصبی- فازی تطبیقی در پیشبینی بحران مالی بر اساس الگوی آلتمن دقت ۹۶.۶۶۷ نشان داده است، در حالی که شبکه عصبی -فازی تطبیقی در پیشبینی بحران مالی با استفاده از مدل اسپرینگیت دقت ۸۱.۶۶۷ درصدی را نشان میدهد.

بحران مالی، مدل اسپرینگیت، مدل آلتمن، شبکه عصبی مصنوعی، شبکه عصبی- فازی تطبیقی