پیش بینی عوامل موثر بر ورشکستگی شرکت ها با استفاده از تکنیک AHP-TOPSIS و رویکردی بر شبکه های عصبی مصنوعی

یکی از بزرگترین خطرات در اقتصاد کشورها، ورشکستگی صنایع و شرکتها می باشد. پیش بینی ورشکستگی شرکتها و صنایع،امکانیفراهم میآورد که دولت ، سرمایه گذاران و سهامدارن به منظور مقابله با بحران ها و جلوگیری از ضرر و زیان های احتمالی اقداماتاستراتژیکی را اتخاذ نمایند از منظر اقتصادی، درماندگی مالی میتوان به زیانده بودن شرکت تعبیر شود که در این حالت شرکتدچار عدم موفقیت شده است در واقع در این حالت نرخ بازدهی شرکت کمتر از نرخ هزینه سرمایه میباشد. شکل دیگری از درماندگیمالی زمانی ایجاد میشود که شرکت موفق به رعایت کردن یک یا تعداد بیشتری از بندهای مربوط به قراردادهای بدهی مانند نگهداشتن نسبت جاری یا نسبت ارزش ویژه به کل دارایی ها طبق قرارداد نمی گردد بنابراین توافق کلی در مورد تعریف درماندگی مالیوجود ندارد دلایلی که شرکتها را به سمت شکست سوق میدهد بسیار متفاوت است. یکی از دلایل احتمالی شکست جهت گیریاشتباه شرکت است که از طریق نسبت های مالی شرکتها قابل تحلیل است. از دهه ۱۹۶۰ ، بسیاری از تحقیقات فقط نسبت های مالیرا به عنوان شاخص های شکست بررسی کرده اند. بنابراین،تحلیل، نسبت مبنایی برای اصلاح و توسعه مدل های پیش بینی شکستاست. در این تحقیق ابتدا متغیرهای تاثیرگذار در پیش بینی ورشکستگی با استفاده از پیشینه ها انتخاب شدند سپس با نظراتخبرگان مهم ترین عوامل شناسایی و با تکنیک AHP وزن هر معیار به دست آمد سپس این معیارها با استفاده از تکنیک TOPSISرتبه بندی شدند که مهمترین عوامل شناخته شد. پس از انجام این مراحل با وارد کردن این متغیرها به شبکه عصبی مصنوعی ازنوع پرسپترون چندلایه به عنوان ورودی و با استفاده از الگوریتم پس انتشار خطا برای آموزش شبکه، دقت پیش بینی افزایش یافتهو می توان به نتایج دقیق و قابل اطمینانی دست یافت.

کلیدواژه ها:

درماندگی مالی ، ورشکستگی ، روش AHP-TOPSIS ، الگوریتم پس انتشار خطا