پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم کرم شب تاب(FA)
محورهای موضوعی : مهندسی مالیعلی بیات 1 , سید علیرضا احمدی 2 , مجید محمدی 3
1 - استادیار حسابداری - گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
2 - دانشجوی کارشناسی ارشد حسابداری، گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران.
3 - دانشجوی دکتری تخصصی حسابداری، گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران.
کلید واژه: نسبت های مالی, ورشکستگی, هوش مصنوعی, الگوریتم کرم شب تاب, الگوهای فرا اکتشافی,
چکیده مقاله :
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.
Investor, stockholders, managers, beneficiaries, with broke of company, would lost their assets. Thus, existence of mechanism which could be evaluating and expecting of financial crisis of companies, is essential. A lot of research, implemented about expecting of bankrupt, which using of smart intelligence algorithms and ultra-discovery, were of the models of recent decay. In this study, with using of information of stock exchange center of TEHRAN (1390-1395), 45 successful firms and 25 bankrupt firms, have been researched. Financial ratios were of the variables of this study, which these variables with using of ultra-discovery algorithm of glowworm, identified as one of the models of smart intelligence and effective ratios in bankrupting. It includes of 9 financial ratios and in long with this process, valid and broke firms have been ranked. Two hypothesis have been codified for this study, which the result of them, in order to justified of these hypothesis, indicating of 95/12 correct expecting of first year, 5/36 for second year, and 80/48 for third year.
_||_