الگوی پیش بینی ورشکستگی صنایع کوچک با استفاده از روش تلفیقی الگوریتم گرگ خاکستری و الگوریتم پرسپترون چند لایه

ورشکستگی یا شکست مالی شرکت ها یک پدیده ناخواسته است که بر صاحبان مشاغل، سایر ذینفعان و دولت تاثیر منفی می گذارد. ازاین رو، پیش بینی ورشکستگی در تحلیل های مالی از اهمیت بالایی برخوردار است و در دهه های اخیر به طور گسترده مورد مطالعه قرارگرفته است. به تازگی، شواهد نشان داده است شرکتهایی که در معرض ورشکستگی قرار دارند، ارزش بازار آنها به شدت کاهش می یابد.این موضوع باعث میشود مدیران، سرمایه گذاران، بانک ها و موسسات مالی و اعتباری و سایر گروه های دارای منافع به شدت تحت تاثیرورشکستگی شرکت ها قرار گیرند. زیرا شکست مالی یک شرکت می تواند زیانهای فراوانی به افراد و گروه های مرتبط تحمیل کند. از اینرو، این گروه ها نه تنها علاقمند هستند بدانند که آیا یک شرکت ورشکسته خواهد شد یا نه، می خواهند زمان احتمالی این اتفاق را بدانند.یکی از پرکاربردترین تحقیقاتی که در زمینه شرایط مالی شرکتها انجام می شود پیش بینی زمان ورشکستگی قبل از وقوع و اعلام رسمیمیباشد. در سال های اخیر استفاده از روش های مبتنی بر هوش مصنوعی و بخصوص یادگیری ماشین مبتنی بر پیش بینی، مورد توجهبسیاری از محققان قرار گرفته است. از این رو در این پژوهش یک روش ترکیبی الگوریتم های فراابتکاری و شبکه عصبی مصنوعی ارائه شدهکه ابتدا به منظور انتخاب ویژگی، با استفاده از الگوریتم گرگ خاکستری روی مجموعه داده، ۱۱ ویژگی با دقت ۹۳.۸۷ انتخاب گردید. سپساز الگوریتم پرسپترون چند لایه به منظور طبقه بندی و تخمین وضعیت شرکت ها استفاده شد. در نهایت نتایج نشان داد مدل پیشنهادیمی تواند ورشکستگی شرکتها را با صحت ۹۱.۳۶ درصد پیش بینی نماید.

کلیدواژه ها:

ورشکستگی ، پیش بینی ورشکستگی ، الگوریتم گرگ خاکستری ، الگوریتم پرسپترون چند لایه