پیش بینی درماندگی مالی با استفاده از روش ترکیبی PCA-ANFIS و الگوریتم فراابتکاری بهینه سازی ازدحام کبوتر

در پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباق پذیر (ANFIS) مبتنی بر تحلیل مولفه های اصلی (PCA) جهت پیش بینی درماندگی مالی شرکت ها پیشنهاد شده است. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش می دهد؛ زیرا از پارامترهای اضافی هنگامی که متغیرهای ورودی بیش از حد هستند، اجتناب می کند. برای تایید اثربخشی این مدل، تعداد 181 شرکت پذیرفته شده در بورس اوراق بهادار تهران (905 شرکت-سال) با استفاده از نمونه ای سیستماتیک در دوره زمانی 1390 تا 1394 انتخاب شدند که از این تعداد، 58 شرکت-سال درمانده مالی و تعداد 847 شرکت-سال سالم بودند. این شرکت ها به طور تصادفی به دو مجموعه تقسیم شدند: مجموعه آموزش جهت طراحی مدل و مجموعه وارسی جهت اعتبارسنجی مدل. نتایج حاصل از پژوهش نشان می دهد سیستم استنتاج فازی عصبی انطباق پذیر (ANFIS) مبتنی بر تحلیل مولفه های اصلی (PCA) قابلیت پیش بینی وقوع درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران را دارد و زمانیکه مدل پیشنهادی با الگوریتم فراابتکاری ازدحام کبوتر ترکیب می گردد با کاهش مقدار خطا دقت مدل افزایش می یابد. بنابراین مشاهده می شود که استفاده از یک الگوریتم مکمل می تواند دقت پیش بینی مدل PCA-ANFIS را افزایش دهد. 

Keywords:

درماندگی مالی , نسبت های مالی , الگوریتم فرا ابتکاری , سیستم استنتاج فازی عصبی انطباق پذیر (ANFIS) , تحلیل مولفه های اصلی