پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن

محورهای موضوعی : آینده پژوهی

محمدرضا ستایش ¹ , دنیا احدیان پور پروین ²

1 - نویسنده مسئول
2 - ندارد

تاریخ دریافت : 1386/04/10 تاریخ پذیرش : 1386/10/05 تاریخ انتشار : 1387/07/01

کلید واژه: ورشکستگی, پیش بینی, شبکه عصبی, تحلیل ممیز چند گانه آلتمن, نسبت های مالی,

چکیده مقاله :

با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه‌شان و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید. در صورتی‌که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت‌ها را پیش‌بینی نمود و پس از آن با علت‌یابی و استفاده از روش‌های حل مسئله به اصلاح امور شرکت‌ها پرداخت می توان از به هدر رفتن ثروت در قالب سرمایه‌های فیزیکی و انسانی و آثار آن جلوگیری به عمل آورد. علاوه بر این چنین مدلی می‌تواند راهنمای خوبی برای تصمیم گیرندگانی همچون شرکت‌های سرمایه‌گذاری، بانک‌ها و دولت باشد. با توجه به توانایی‌ها و کاربردهای شبکه‌های عصبی مصنوعی و ناشناخته بودن این توانایی ها در بازارهای مالی ایران تحقیق حاضر در جهت ایجاد مدلی برای پیش‌بینی ورشکستگی انجام شده است. جامعه مورد مطالعه در این تحقیق عبارت است از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران و نمونه مورد بررسی بر اساس نمونه گیری خوشه‌ای صورت گرفته است، بدین صورت که ابتدا بر اساس نمونه گیری تصادفی ساده صنایع کاشی و سرامیک و سایر کانی غیر فلزی، غذایی، نساجی، لاستیک و پلاستیک، قطعات خودرو انتخاب شده و سپس نمونه مورد استفاده برای دوره 5 ساله 1383-1379 بر اساس طبقه بندی استخراج شده است. برای تجزیه و تحلیل داده‌ها که همان اطلاعات استخراج شده از صورت‌های مالی شرکت‌های نمونه است از نرم افزار EXCEL استفاده شده است. به این ترتیب که ابتدا نسبت‌های مالی مربوط به هر مدل بدست آمد سپس مدل آلتمن بر مبنای نسبت‌ها و ضرایب‌شان محاسبه شد و برای تدوین مدل شبکه عصبی نیز از نرم افزار Neuro soulation استفاده شده است و سپس نتایج هر دو مدل بر اساس آزمون نشانه‌‌ای ویلکاکسون، آزمون علامت مورد مقایسه قرار گرفته است نتایج بدست آمده از مدل شبکه‌های عصبی مصنوعی، نشان می‌دهد که این مدل از توانایی بالایی در پیش بینی ورشکستگی برخوردار است و می توان بااطمینان بالایی از آن استفاده کرد البته توجه به این امر ضروری است که ارائه اظهار نظر در مورد ورشکستگی یک شرکت با استفاده از هر روشی فقط بیان کننده هشداری در موردوضعیت آتی شرکت است و نه تایید کننده قطعی ور شکستگی آن. در این تحقیق نتایج حاصل از مدل شبکه عصبی مصنوعی با نتایج حاصل از مدل تحلیل ممیز چند گانه آلتمن مورد مقایسه قرار گرفت و با رد فرضیه Hs در هر دو فرضیه آماری می توان بیان کرد که: 1-مدل برگرفته از شبکه عصبی مصنوعی و تحلیل ممیز چندگانه آلتمن ابزارهای مناسبی جهت پیش بینی ور شکستگی شرکت ها هستند 2-دقت کلی پیش بینی مدل شبکه عصبی مصنوعی در پیش بینی ورشکستگی از تحلیل ممیز چند گانه آلتمن بیشتر است

چکیده انگلیسی:

This research has been done under title: Bankruptcy Prediction using Artificsl Neural Networks withcamparsion to the Altman Model.The goal of this study is to provide exact explanation and presentation of theoretical basis of research andmeasurement of usefulness bankruptcy financial models. We presented the research hypotheses in order toprovide suitable scientific context for the study.Hypothese 1: Artificsl Neural Networks and Altman models are suitable instrumental for prediction ofbankruptcy.Hypothese 2: In prediction of bankruptcy one firm, have significant difference the resultsof this two models.The means of the research statements (Balance sheets, Income statement, cash flow statement) of thecompanies which were accepted in Tehran Stock Exchange. The library method was employed in datagathering. Statistical population of research includes active companies whose financial statements areaccessable in Tehran Stock Exchange. The statistical sample of the research includes active companies inproductive industries, from 1379 to 1384.In order to analysis data, We used statistical metods of nonparametric binomial, and for cointegrationsignificant difference two models employed wilcoxon signed- rank test and sign test for hypothese 2. Afteranalyzing the data the results gained id confirmed and supported by above tests