بررسی و ارزیابی وضعیت شرکت های حسابرسی با استفاده از روش نوین شبکه عصبی الگوریتم ژنتیک

پیش بینی وضعیت مالی شرکت ھا یکی از اموری است که امروزه سرمایه گذاران و اعتباردھندگان به منظور تصمیم گیری بھتر و تخصیص بھینه منابع به آن می پردازند. الگوھای پیش بینی ورشکستگی از جمله راھکارھایی است که به این منظور بکارگرفته می شود. سیر استفاده از الگوھای ورشکستگی روز به روز به سمت پیچیده تر و کارآمدتر شدن پیش می رود. منابع مالی به عنوان یکی از مھمترین منابع مورد نیاز در روند سرمایه گذاری به ھمراه نیروی انسانی، دو پایه اصلی سرمایه گذاری را تشکیل می دھند. با توجه به محدودیت منابع مالی، تخصیص کارآمد این منابع منجر به جلوگیری از اتلاف منابع محدود و درنھایت منجر به تخصیص بھینه منابع می شود. در این راستا، باید اشخاص حقوقی نیازمند به منابع را به صورت مداوم مورد بررسی قرار داد و منابع را به صورت ھدفمند توزیع کرد. یکی از راھکارھای ارزیابی شرکت ھا، بررسی شاخص درماندگی مالی آن ھا است. با بکارگیری این سازوکار، می توان شرکت ھای مناسب را انتخاب کرد و منابع مالی با ھدف رشد و کارآمدی بالا و توسعه اقتصادی بلندمدت، تخصیص داد. در این پژوھش سعی شده است از طریق بررسی رابطه بین نسبت ھای مالی منتخب شرکت ھا و درماندگی مالی آن ھا، به پیش بینی درماندگی آن ھا پرداخت مدلی که در این پژوھش ارائه می شود در برگیرنده بخشی از عوامل تاثیرگذار خارج سازمانی و داخل سازمانی بر نسبت ھای مالی است. در حقیقت شناسایی عوامل خارجی و سپس عوامل داخلی، استخراج نسبت ھای مالی مورد نیاز از عوامل داخلی و خارجی، ورود این نسبت ھا در الگوریتم ژنتیک و شبکه عصبی، انتخاب روش با دقت بالاتر و در نھایت پیش بینی درماندگی مالی با استفاده از روش منتخب، ھدف کلی ما در این پژوھش است .طبق بررسی ھای صورت گرفته در این پژوھش، دقت الگوریتم ژنتیک در پیش بینی درماندگی مالی شرکت ھا به مراتب از روش شبکه عصبی بیشتر است بنابراین الگوریتم ژنتیک با حدود 70% دقت به عنوان روش منتخب معرفی می شود.

Keywords:

شبکه های عصبی مصنوعی , الگوریتم یادگیری , پرسپترون , الگوریتم ژنتیک , عملگرهای الگوریتم ژنتیک