تعیین روش بهینه پیش بینی درماندگی مالی شرکت ها (مطالعه موردی: شرکت های بورس اوراق بهادار تهران)
الموضوعات : دانش سرمایهگذاری
منصور صوفی
1
(استادیار گروه مدیریت صنعتی، واحدرشت، دانشگاه آزاداسلامی، رشت، ایران)
مهدی همایون فر
2
(استادیار گروه مدیریت صنعتی، واحدرشت، دانشگاه آزاداسلامی، رشت، ایران)
مهدی فدایی
3
(استادیار گروه مدیریت صنعتی، واحدرشت، دانشگاه آزاداسلامی، رشت، ایران)
الکلمات المفتاحية: پیشبینی, درماندگی مالی, شبکه عصبی مصنوعی, الگوریتم ژنتیک,
ملخص المقالة :
یکی از مهمترین موضوعات مطرح در حوزه مدیریت مالی، آن است که سرمایهگذاران فرصتهای مطلوب سرمایهگذاری را از فرصتهای نامطلوب تشخیص دهند. در راستا، یکی از راههای کمک به سرمایهگذاران ارائهی مدلهای پیشبینی درماندگی مالی شرکتها است. با توجه به مطالعات مختلفی که برای توسعه این دسته از مدلها انجام گرفتهاند، در پژوهش حاضر از ترکیب تکنیکهای شبکه عصبی مصنوعی و الگوریتم ژنتیک بر مبنای نسبتهای پیشبینی زیمنسکی برای مدلسازی پیش-بینی درماندگی مالی استفاده شده است. جامعه آماری تحقیق، شامل شرکتهای سهامی عام حاضر در بورس اوراق بهادار تهران است که طی دوره زمانی مهر 1392 تا مهر 1394 در بورس فعالیت داشتهاند که از میان آنها، 66 شرکت درمانده و 150 شرکت سالم با روش غربالسازی بهعنوان نمونه انتخاب شدهاند. نتایج نشان میدهند که شبکه عصبی و الگوریتم ژنتیک در پیشبینی درماندگی مالی از قدرت برابر (95 درصد) برخوردارند، با این وجود، خطای پیشبینی در شبکه عصبی در مقایسه با الگوریتم ژنتیک پایینتر است.
_||_