پیش بینی ورشکستیگی شرکت ها با استفاده از الگوریتم درخت های طبقه یندی و رگرسیون

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 213

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NSEBM03_076

تاریخ نمایه سازی: 29 دی 1400

چکیده مقاله:

الگوریتم درخت های طبقه بندی و رگرسیون یک تکنیک هوشمند ناپارامتریک در حوزه فراگیری تحت نظارت برای ساخت درخت های تصمیم است. این الگوریتم کارایی بالایی در حل مسائل پیچیده چند بعدی از جمله مسئله ورشکستگی دارد. این تحقیق درصدد مدل بندی پیش بینی ورشکستگی شرکت ها با استفاده از روش الگوریتم درخت های طبقه بندی و رگرسیون است. به منظور ارزیابی عملکرد مدل CART از تکنیک رگرسیون لوجستیک نیز برای ساخت مدل پیش بینی ورشکستگی استفاده شده است. همچنین، مجموعه وسیعی از نسبت های مالی برای اتنخاب بهترین متغیرهای پیش بینی کننده ورشکستگی جستجو شده اند. داده های این تحقیق مربوط ۷۱ شرکت ورشکسته و ۷۱ شرکت غیر ورشکسته است که از نظر اندازه، صنعت فعالیت و دوره مالی با یکدیگر انطباق داده شده اند. از مجموع ۱۴۲ شرکت، ۹۴ شرکت به صورت تصادفی در نمونه آموزشی (به منظور ساخت مدل ها) و ۴۸ شرکت در نمونه آزمایشی (به منظور ارزیابی مدل ها) قرار گرفته اند. نتایج به دست آمده نشان داد، مدل CART توانسته است ۹۴% شرکت های نمونه آموزشی و ۹۰% شرکت های نمونه آزمایشی را یک سال پیش از ورشکستگی به درستی در گروه های ورشکسته و غیر ورشکسته طبقه بندی نماید. حال آنکه دقت مدل لوجستیک در نمونه های آموزشی و آزمایشی به ترتیب ۸۷ درصد و ۷۹ درصد بوده است. آزمون مک نمار نشان می دهد که برتری عملکرد مدل CART در مقایسه با مدل لوجستیک، از نظر آماری معنادار است.

کلیدواژه ها:

مدل بندی پیش بینی ورشکستگی ، درخت های طبقه بندی و رگرسیون (CART) ، رگرسیون لوجستیک ، نسبت های مالی

نویسندگان

حسن فرج زاده دهکردی

استادیار گروه حسابداری موسسه آموزش عالی رجاء ج

شقایق دانائی

دانشجو دکتری، دانشگاه آزاد اسلامی واحد سمنان