رویکرد مدیریتی در تحلیل درماندگی مالی بخش صنعت و معدن بازار سرمایه ایران با بکار گیری روش های یادگیری ماشین(NSGA-II,ABC)

تحلیل درماندگی مالی یک پدیده بااهمیت برای سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان از اطلاعات مالی محسوب می شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می شود و می تواند هم برای مدیران و هم برای سرمایه گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش، با استفاده از اطلاعات ۱۳۵۰ شرکت سال طی دوره ۱۳۸۷ الی ۱۳۹۵ در بخش صنعت و معدن بازار سرمایه ایران، به بررسی عوامل موثر بر درماندگی مالی و پیش بینی آن به وسیله روش های یادگیری ماشین (الگوریتم ژنتیک مرتب سازی نامغلوب چندهدفه و کلونی زنبور عسل) با استفاده از نرم افزار متلب ۲۰۱۷ پرداخته است. نتایج تحقیق حاکی از تاثیر غیرمستقیم نسبت مدیران غیرموظف و نسبت مالکان نهادی و تاثیر مستقیم مدیریت سود و اعتمادبه نفس کاذب مدیریت بر درماندگی مالی از بین سایر متغیر های مدیریتی می‎باشد. همچنین نتایج نشان می دهد که الگوریتم هوش مصنوعی توانایی پیش بینی درماندگی مالی را بااستفاده از شاخص های مدیریتی دارد و توانایی الگوریتم کلونی زنبور عسل از الگوریتم ژنتیک مرتب سازی نامغلوب چندهدفه جهت پیش بینی درماندگی مالی بیشتر می باشد.  

کلیدواژه ها:

شاخص های مدیریتی ، بخش صنعت و معدن بازار سرمایه ایران ، درماندگی مالی ، الگوریتم هوش مصنوعی