تاثیر اطلاعات سرمایه در گردش در پیش بینی درماندگی مالی بر مبنای ترکیب شبکه عصبی مصنوعی و الگوریتم تجمعی حرکت ذرات

با وجود این واقعیت که مدیریت سرمایه در گردش در درماندگی مالی نقشی محوری دارد؛ اما مطالعات انجام شده در این زمینه، تاکنون درک عمیقی از چگونگی تاثیرگذاری اطلاعات سرمایه در گردش بر درماندگی مالی را فراهم نکرده است؛ لذا هدف این پژوهش بررسی تاثیر اطلاعات سرمایه در گردش در پیش بینی درماندگی مالی بر مبنای ترکیب شبکه عصبی مصنوعی و الگوریتم تجمعی حرکت ذرات است. نمونه آماری متشکل از ۱۲۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۸۷ تا ۱۳۹۸ است. بدین ترتیب، ابتدا ۲۸ متغیر اثرگذار بر درماندگی مالی انتخاب و سپس با استفاده از روش رگرسیون لجستیک پیشرو مدل برآورد و ۵ متغیر تاثیرگذار انتخاب گردید. در گام بعد، به منظور بررسی محتوای اطلاعاتی مدیریت سرمایه در گردش به مقایسه مدل پژوهش با توجه و بدون توجه به متغیر مدیریت سرمایه در گردش بر مبنای ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذرات پرداخته شده است. نتایج مقایسه دو مدل نشان داد توسعه مدل پژوهش، خطای آموزش شبکه عصبی با الگوریتم حرکت تجمعی ذرات را به مقدار ۰۶۴۱/۰ کاهش می دهد. همچنین، با توسعه مدل پژوهش، از طریق وارد کردن متغیر مدیریت سرمایه در گردش، سطح زیرمنحنی راک به ۶۲۴۸/۰ افزایش می یابد و در نتیجه، بر دقت مدل پژوهش تا ۵۳/۷۰ درصد افزوده می شود. همچنین نتایج، افزایش قدرت مدل توسعه یافته پژوهش را نشان می دهد؛ اما نتیجه آزمون ضعیف است و نشان می دهد مدل توسعه یافته پژوهش نیز در تفکیک شرکت ها به دو گروه درمانده و غیر درمانده مالی، کمابیش یک مدل تصادفی است.

کلیدواژه ها:

سرمایه در گردش ، درماندگی مالی ، الگوریتم تجمعی حرکت ذرات