رویکردی نوین در پیشبینی درماندگی مالی با به کارگیری اطلاعات مبتنی بر شبکه مالی و روش ترکیبی درخت تصمیم تقویت گرادیان

هدف: این پژوهش بر آن است که با اضافه کردن متغیرهای مربوط به شبکه مالی، عملکرد الگوی درخت تصمیم تقویت گرادیان را که شاخص هایش با الگوریتم بهبودیافته گرگ خاکستری بهینه شده است، با الگو های منتخب در حوزه پیش بینی درماندگی مالی ارزیابی کند.روش: الگوی پیشنهادی این پژوهش روی داده های ۱۲۳ شرکت تولیدی پذیرفته شده در بورس و فرابورس ایران در بازه زمانی ۲۰۱۵ تا ۲۰۲۱ اجرا شد. ابتدا شبکه مالی تشکیل شد و سپس با ترکیب متغیرهای مبتنی بر شبکه با برخی نسبت های مالی و با استفاده از الگوی درخت تصمیم تقویت گرادیان که شاخص های آن با الگوریتم بهبودیافته گرگ خاکستری بهینه شده است، درماندگی مالی شرکت ها پیش بینی شد.نتایج: الگوی درخت تصمیم تقویت گرادیان با اضافه شدن متغیرهای مربوط به شبکه مالی هم ازنظر دقت و هم ازنظر خطای نوع یک عملکرد بهتری در مقایسه با دو الگوی k نزدیک ترین همسایه و رگرسیون لجستیک از خود نشان داد. شرکت های با مرکزیت بینابینی و مرکزیت درجه زیاد، کمتر مستعد قرارگرفتن در شرایط درماندگی مالی هستند و برعکس. در شرایطی که نسبت فراوانی نمونه های هر طبقه از طبقات دیگر بسیار متفاوت باشد، استفاده از روش درخت تصمیم تقویت گرادیان بسیار کارآمد خواهد بود.نوآوری: برای نخستین بار متغیرهای مربوط به شبکه مالی با نسبت های مالی، ترکیب شد و ازطریق روش نوین درخت تصمیم تقویت گرادیان که شاخص هایش با الگوریتم گرگ خاکستری بهبودیافته بهینه شده، درماندگی مالی پیش بینی شد.

کلیدواژه ها:

درماندگی مالی ، شبکه مالی ، درخت تصمیم تقویت گرادیان ، الگوریتم گرگ خاکستری بهبودیافته ، معیارهای مرکزیت