پیش بینی خطر ورشکستگی با استفاده از شبکه های عصبی مصنوعی مبتنی بر رویکرد پرسپترون چندلایه(شواهد تجربی: بورس اوراق بهادار تهران)

محورهای موضوعی : آینده پژوهی

سمیه سارویی ¹ , حمیدرضا وکیلی فر ² , قدرت الله طالب نیا ³

1 - گروه حسابداری، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران ، ایران.
2 - گروه حسابداری، دانشکده اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران.
3 - دکترای حسابداری عضئ هیئت علمی دانشگاه آزاداسلامی واحد علوم و تحقیقات تهران

تاریخ دریافت : 1397/08/28 تاریخ پذیرش : 1397/11/13 تاریخ انتشار : 1398/12/01

کلید واژه: شبکه های عصبی مصنوعی, پیش بینی ورشکستگی, ریسک ورشکستگی,

چکیده مقاله :

در پژوهش حاضر به شناسایی عوامل موثر بر پیش بینی ورشکستگی شرکتهای ایرانی با استفاده از سیستم شبکه های عصبی مصنوعی (ANN) بر مبنای رویکرد پرسپترون چندلایه (PS) و ارائه یک مدل آماری مناسب به منظور برآورد ورشکستگی شرکتهای ایرانی، با استفاده از یافته های حاصل از اجرای شبکه ANN پرداخته شده است. در پژهش حاضر به دنبال پاسخ گویی به این پرسش هستیم که آیا عوامل سودمند در راستای پیش بینی ورشکستگی شرکتهای ایرانی توسط سیستم شبکه عصبی مصنوعی قابل شناسایی است یا خیر . جامعه آماری در تحقیق حاضر تمامی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران هستند که با لحاظ نمودن معیارهایی و به روش حذف سیستماتیک تعداد 172 شرکت از این جامعه آماری در بازه زمانی 1386 الی 1395 بعنوان نمونه در تحقیق حاضر انتخاب شده اند. به منظور انجام تحلیل های آماری در پژوهش حاضر از روش سیستم شبکه های عصبی مصنوعی بر مبنای رویکرد پرسپترون چندلایه استفاده شده است. یافته های حاصل از تجزیه و تحلیل داده های پژوهش نشان می دهد که سیستم ANNقادر است با دقتی معادل 98 درصد عوامل تاثیر گذار بر ورشکستگی شرکتهای ایرانی را در سال قبل از ورشکستگی شناسایی نماید.

چکیده انگلیسی:

The aim of this research is Identification of the effective factors on bankruptcy prediction of Iranian companies by findings of artificial neural network (ANN) system based on Multilayer Perceptron Approach (PS) , and providing an appropriate statistical model for estimating the bankruptcy of Iranian companies by using the findings of The ANN implementation. we seek to answer the following question: Are we able to design a valid statistical model by using findings of artificial neural network (ANN) system to predict the bankruptcy of Iranian companies? The statistical population in this study is all of listed companies in Tehran Stock Exchange. By considering the criteria and method of systematic deletion, 172 companies from this statistical society have been selected as the sample in this research from 2007 to 2016. In order to make statistical analyzes in this study, we used from methods such as artificial neural network system based on multilevel perceptron approach, binary logistic regression, and tests such as Akaic, Schwarz, Hanan Quinn and Z wang test. The results of the analysis of the research data show that the ANN system can identify of the factors affecting on bankruptcy of Iranian companies in the year before bankruptcy by Precision equal 98%.