مدل سازی درماندگی مالی با کاربست شبکه های عصبی مصنوعی

در عصر حاضر صاحبان سرمایه به دنبال روش هایی هستند تا بتوانند وضعیت مالی شرکت را قبل از اینکه به مرحله ورشکستگی برسد پیش بینی کنند. پژوهش حاضر با استفاده از شبکه های عصبی مصنوعی به پیش بینی درماندگی مالی شرکت های فعال در بورس اوراق بهادار تهران که در بازه زمانی ۱۳۸۵-۱۳۹۹ فعالیت داشته اند پرداخته و برای انتخاب نمونه های مورد آزمایش از روش حذف سیستماتیک استفاده شده است. در این پژوهش جهت تشخیص شرکت های درمانده مالی از غیر درمانده از معیار آسکویت و همکاران به عنوان معتبرترین روش برای شناسایی شرکت های درمانده مالی از غیر درمانده با توجه به شرایط حاکم بر شرکت های ایرانی مستقر در بورس اوراق بهادار تهران استفاده شده است که شامل ۳۲۹ جفت شرکت سالم و درمانده انتخاب شده و الگوریتم مورد استفاده در این پژوهش شامل شبکه عصبی پرسپترون چندلایه (MLP) بوده است. نتایج به دست آمده در این تحقیق نشان از کارایی بالای مدل شبکه عصبی مصنوعی ارائه شده دارد.

کلیدواژه ها:

درماندگی مالی ، شبکه عصبی مصنوعی ، پرسپترون چندلایه ، ورشکستگی