پیش بینی ورشکستگی مالی با استفاده از صورت جریان نقد: رهیافت شبکه عصبی مصنوعی

بحران مالی شرکت های بزرگ در دهه اخیر سبب گرایش اکثریت گروه های ذی نفع به مدل های پیش بینی ورشکستگی شده است. هدف اصلی این پژوهش ارزیابی محتوای اطلاعاتی نسبت های صورت جریان وجه نقد در تشخیص ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی است. جامعه آماری این پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی از سال های ۱۳۸۴ تا ۱۳۹۲ است. برای این منظور ۸۴ شرکت شامل ۴۲ شرکت ورشکسته و ۴۲ شرکت سالم انتخاب شدند. شبکه عصبی این پژوهش پرسپترون سه لایه است که با روش الگوریتم پس انتشار خطا آموزش دیده است. براساس نتایج پژوهش، مدل شبکه عصبی با نسبت جریان نقدی عملیاتی به بدهی های جاری، نسبت پوشش جریان نقدی عملیاتی به بهره، نسبت بازده نقدی دارایی ها، نسبت کیفیت سود و نسبت آنی بیشترین قدرت پیش بینی را نسبت به ورشکستگی شرکت ها در ایران دارد. همچنین، یافته ها نشان می دهند که دقت پیش بینی مدل برای سال ورشکستگی ۹۹ درصد و در مجموع مراحل ورشکستگی در یک، دو و سه سال قبل از ورشکستگی به ترتیب با دقت ۹۱، ۸۵ و ۷۰ درصد است.

کلیدواژه ها:

شبکه پرسپترون چند لایه ، شبکه عصبی مصنوعی ، صورت جریان وجه نقد ، مدل های پیش بینی ورشکستگی ، ورشکستگی