سعید فلاح پور - استادیار مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
عیسی نوروزی یان لکوان - دانشجوی کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران، تهران،ایران
محمد هندیجانی زاده - دانشجوی کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران،تهران، ایران

پیش­بینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، موسسه‎های اعتباری و بانک­ها به آن توجه کرده‎اند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدل­های­ ترکیب‎شده انتخاب ویژگی و مدل طبقه‎بندی­کننده، از مسائلی است که فقط در سال­های اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین ­بردار پشتیبان با چهار تابع کرنل خطی، چند­جمله­ای، شعاعی و سیگمویید به‎‎عنوال مدل ‎طبقه‎بندی­کننده و ترکیب آن با روش­های انتخاب ویژگی فیلترکننده و پوشش­دهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روش­های پوشش­دهنده انتخاب ویژگی است و روش­های آنالیز اجزای اساسی، زنجیره­ اطلاعات و رلیف­ که جزء روش­های فیلترکننده انتخاب ویژگی هستند، استفاده شده­ است. نتایج به‎دست آمده نشان­ داد که روش الگوریتم ژنتیک نسبت به روش­های فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چند­جمله­ای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان ۹۵ درصد تفاوت معناداری با­ هم ندارند.

الگوریتم ژنتیک, پوشش دهنده, درماندگی مالی, فیلترکننده, ماشین بردار پشتیبان