مقایسه توان پیش بینی شبکه های عصبی مصنوعی و رگرسیون چند متغیره (مطالعه موردی: ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار)

هدف این پژوهش، پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران بااستفاده از شبکه های عصبی مصنو عی است. این پژوهش توصیفی- پیمایشی با ماهیت کاربردی و ازلحاظ زمانی مقطعی است. جامعه آماری پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهرانبودند که نمونه ای شامل ۸۱ شرکت ورشکسته به روش حذفی و ۸۱ شرکت غیر ورشکسته به روشتصادفی طی دوره ۱۳۹۷-۱۳۸۵ انتخاب شد. این شرکت ها از طریق فرایند تصادفی به دو نمونهآموزشی (شامل ۵۶ شرکت ورشکسته و غیر ورشکسته) برای ساخت مدل ها و نمونه آزمایشی (شامل۲۵ شرکت ورشکسته و غیر ورشکسته) جهت سنجش قدرت پیش بینی مدل ها تقسیم شدند. با استفادهاز دو تکنیک شبکه عصبی پیشخور و رگرسیون چند متغیره و به کارگیری نسبت های مالی منتخب، دومدل جهت پیش بینی ورشکستگی استخراج شده و نتایج حاصل از آنها، مورد مقایسه قرار گرفته است.مدل شبکه عصبی توانست در پیش بینی یک، دو و سه ساله به دقت ۹۲، ۸۶ و ۸۰ درصد دست پیداکند، درحالی که رگرسیون چند متغیره در پیش بینی یک، دو و سه ساله نتوانست به دقت بیش از ۸۴،۸۲ و ۷۰ درصد، دست پیدا کند. نتایج حاکی از آن بود که مدل شبکه عصبی در مقایسه با مدلرگرسیونی، از برتری قابل توجهی برخوردار است.

کلیدواژه ها:

پیش بینی ورشکستگی ، شبکه های عصبی ، رگرسیون ، بورس اوراق بهادار تهران