کاربرد هوش مصنوعی در شناسایی عوامل عملکردی مؤثر بر سلامت مالی

محورهای موضوعی : مهندسی مالی

پریسا پازوکی ¹ , فاطمه صراف ² , محبوبه جعفری ³ , علی باغانی ⁴

1 - دانشجوی دکتری، گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
2 - استادیار، گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
3 - استادیار، گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
4 - استادیار، گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

تاریخ دریافت : 1399/11/23 تاریخ پذیرش : 1400/02/30 تاریخ انتشار : 1400/07/01

کلید واژه: عملکرد, سلامت مالی, رویکرد هوش مصنوعی,

چکیده مقاله :

با توجه به اهمیت شناسایی عوامل مؤثر بر سلامت مالی و پیش‌بینی درجه سلامت مالی شرکت‌ها در این پژوهش اقدام به شناسایی شاخص‌های مناسب برای تبیین سلامت مالی و همچنین پیش‌بینی درجه سلامت مالی شرکت‌های بورس اوراق بهادار تهران با رویکرد مبتنی بر هوش مصنوعی شده است. بدین منظور از اطلاعات 138 شرکت طی سال‌های 1390 الی 1398 و نرم افزار Matlab جهت آزمون فرضیه‌های پژوهش استفاده شد. معیارهای عملکرد حسابداری مورداستفاده در این تحقیق ریسک سیستماتیک، نسبت بدهی بلندمدت به‌کل دارایی‌ها، نسبت دارایی جاری به‌کل دارایی‌ها، نسبت سرمایه در گردش، نسبت آنی، نسبت حساب دریافتی به‌کل دارایی، بازده دارایی، رشد شرکت، رشد فروش، می‌باشند. نتایج نشان داد روش الگوریتم هوش مصنوعی باقدرت بیش از 90 درصد توانایی پیش‌بینی سلامت مالی شرکت‌ها را دارد و همچنین از بین معیارهای عملکرد مالی، رشد شرکت، بازده دارایی، رشد فروش و نسبت دارایی جاری به دارایی‌ها جهت تبیین سلامت مالی شرکت‌ها دارای بالاترین میزان تأثیرگذاری هستند.

چکیده انگلیسی:

Due to the importance of identifying the factors affecting financial health and predicting the degree of financial health of companies in this study, appropriate indicators have been identified to explain financial health and also predict the degree of financial health of Tehran Stock Exchange companies with an approach based on artificial intelligence. For this purpose, the information of 138 companies during the years 1390 to 1398 and Matlab software were used to test the research hypotheses. Accounting performance criteria used in this research: systematic risk, long-term debt to total assets ratio, current assets to total assets ratio, working capital ratio, instantaneous ratio, account receivable to total assets ratio, return on assets, company growth, growth Sales, are. The results showed that the artificial intelligence algorithm method with a power of more than 90% has the ability to predict the financial health of companies and also among the criteria of financial performance, company growth, return on assets, sales growth and current assets to assets to explain the financial health of companies have the highest impact.