هدف: هدف پژوهش حاضر بررسی نظاممند مدلهای پیشبینی ورشکستگی در راستای ایجاد مدلی است که بهعنوان راهنمایی برای انتخاب ابزار مناسب که بهترین انطباق را با دادههای موجود و معیارهای کیفیت مدلهای پیشبینی ورشکستگی دارد عمل کند.روششناسی پژوهش: برای انجام این پژوهش، جستجوی چکیده کامل
هدف: هدف پژوهش حاضر بررسی نظاممند مدلهای پیشبینی ورشکستگی در راستای ایجاد مدلی است که بهعنوان راهنمایی برای انتخاب ابزار مناسب که بهترین انطباق را با دادههای موجود و معیارهای کیفیت مدلهای پیشبینی ورشکستگی دارد عمل کند.روششناسی پژوهش: برای انجام این پژوهش، جستجوی سیستماتیک از database (web of Science) با استفاده از کلیدواژههای Bankruptcy، Default، Distress، Failure، Forecasting، Predicting، Prediction و Insolvency بین سالهای ۲۰15 لغایت 2023 صورت پذیرفت. باتوجهبه معیارهای ورود و خروج تعریفشده، حاصل این جستجو 1000 مقاله بود که درنهایت 49 مقاله از میان آنها انتخاب و مورد تجزیهوتحلیل قرار گرفت. سپس یافتههای بهدستآمده از مقالات، در جداول خلاصهسازی وارد گردیده و در گام بعدی، مدلهای بزرگ پیشبینی ورشکستگی بر اساس 9 معیار کلیدی با یکدیگر مقایسه و نتیجهگیری نهایی به عمل آمد.یافتهها: شبکه عصبی مصنوعی و ماشینهای بردار پشتیبان دارای بیشترین دقت میباشند درحالیکه تحلیل شخصیتی چندگانه دارای کمترین دقت است. همچنین شبکه عصبی مصنوعی و تحلیل شخصیتی چندگانه، درخت تصمیمگیری و رگرسیون لجستیک به نمونه آموزشی بزرگی نیاز دارند تا الگویی را منطقاً شناسایی کرده و طبقهبندی بسیار دقیقی ارائه دهند؛ اما استدلال مبتنی بر مورد، مجموعههای راف و ماشینهای بردار پشتیبان میتوانند با اندازه نمونههای کوچک کار کنند.اصالت / ارزشافزوده علمی: نتایج این پژوهش به درک کامل ویژگیهای ابزارهای مورداستفاده برای توسعه مدلهای پیشبینی ورشکستگی و کاستیهای مربوط به آنها کمک میکند.
پرونده مقاله