علی بیات - استادیار حسابداری - گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
سید علیرضا احمدی - دانشجوی کارشناسی ارشد حسابداری، گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران.
مجید محمدی - دانشجوی دکتری تخصصی حسابداری، گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران.

سرمایه گذاران ، سهامداران، مدیران و دیگر ذینفعان با ورشکسته شدن شرکت، متضرر شده و دارایی خود را از دست خواهند داد. بنابراین وجود مکانیزمی که به بررسی و پیش بینی بحران مالی شرکت ها بپردازد امری ضروری و اجتناب ناپذیر بشمار می رود. تحقیقات متعددی در خصوص پیش بینی ورشکستگی صورت گرفته که استفاده از الگوریتم های هوش مصنوعی و فرا اکتشافی از نمونه مدل های دهه اخیر می باشند. در این پژوهش با استفاده از اطلاعات  شرکت های بورس اوراق بهادار تهران مربوط به سال های 1390-1395، شامل 41 شرکت موفق و 25 شرکت ورشکسته به عنوان جامعه آماری تحقیق استفاده شده است. نسبت های مالی  به عنوان متغیرهای این پژوهش می باشند که این متغیرها به عنوان نسبت های موثر در ورشکستگی با استفاده از الگوریتم فراکتشافی کرم شب تاب به عنوان یکی از مدل های هوش مصنوعی استخراج  شده است که 9 نسبت مالی را شامل می شود، و در این راستا رتبه بندی شرکت های سالم و ورشکسته نیز صورت گرفت. دو فرضیه برای این پژوهش تدوین گردیده است که نتایج بدست آمده علاوه بر تایید فرضیات، حاکی از پیش بینی های درست 95.12 درصدی برای سال اول، 85.36 درصدی برای سال دوم و 80.48 درصدی برای سال سوم است.

ورشکستگی, نسبت های مالی, الگوریتم کرم شب تاب, هوش مصنوعی, الگوهای فرا اکتشافی