In a volatile economic environment, financial decision making is always associated with risk. Bankruptcy, as one of the most important risks, has a significant impact on the interests of the firm's stakeholders, so presenting appropriate bankruptcy forecasting patterns is of the utmost importance. In this study, after reviewing the theoretical literature and selecting the financial ratios used in previous bankruptcy prediction models as the variable input of the initial model, the financial ratios were adjusted based on the price index and then, using the LARS algorithm, the ratios that have the highest ability to differentiate between bankrupt and non-bankrupt firms were identified, and finally, using the SVM and Naive Bayesian algorithms, the final bankruptcy prediction model was developed. For this purpose, the data of 50 companies listed in Tehran Stock Exchange who had experienced bankruptcy for at least one year from 2008 to 2018 under Article 141 of the Commercial Code were used. The results show that the adjusted financial ratios based on the price index in the model presented by SVM algorithm can be a very good predictor for bankruptcy of companies with an accuracy of 99.4%. Manuscript profile

چکیدهپیش‌بینی ورشکستگی بنگاه‌های اقتصادی یکی از شاخه‌های رشته مالی است که در تحقیقات اخیر بیشتر مورد توجه قرار گرفته است به‌گونه‌ای که الگوهای ورشکستگی توسعه یافته است. در عمده پژوهش‌های صورت گرفته در حوزه پیش‌بینی عملکرد مالی شرکت‌ها و به‌طور خاص، ورشکستگی، تنها به پیش‌بینی و یا مقایسه توان پیش‌بینی مدل‌ها با استفاده از اطلاعات تاریخی صورت‌های مالی پرداخته شده است. از آنجا که در ایران بیشتر از اطلاعات تاریخی حسابداری استفاده شده است هدف اصلی این پژوهش لحاظ نمودن آثار تورم بر روی متغیرهای ورودی در طراحی مدل پیش‌بینی ورشکستگی می‌باشد. لذا متغیرها در دو گروه نسبت‌های مالی تعدیل شده و تاریخی، در طراحی دو مدل متفاوت دسته‌بندی شدند، سپس با استفاده از الگوریتم لارس نسبت‌های گویاتر تمایز بین شرکت‌های ورشکسته و غیرورشکسته، انتخاب گردیدند و در نهایت با به‌کارگیری آزمون رگرسیون لاجیت و الگوریتم‌های ماشین بردار پشتیبان و نیو بیزین مدل نهایی پیش‌بینی‌کننده ورشکستگی شکل گرفت. بدین منظور داده‌های50 شرکت پذیرفته شده در بورس تهران براساس ماده 141 قانون تجارت برای حداقل یکسال ورشکستگی را تجربه کرده بودند، به‌کار‌گرفته شد. نتایج این پژوهش اثبات نمود که نسبت‌های مالی تعدیل شده بر مبنای شاخص قیمت‌ها پیش‌بینی‌کننده مناسب‌تری برای ورشکستگی شرکت‌ها می‌باشند همچنین، مدل طراحی شده توسط الگوریتم ماشین بردار پشتیبان با دقت 4/99% و برازش بالاتر نسبت به مدل‌های دیگر، پیش‌بینی‌کننده مناسبی برای ورشکستگی شرکت‌ها می‌باشد. Manuscript profile