تشخیص بحران مالی شرکت ها با مدل های ترکیبی سنتی و هوش مصنوعی

«پیش بینی به موقع بحران مالی شرکت ها، نقشی حیاتی در تصمیم گیری های اقتصادی ذی نفعان، مدیران و سیاست گذاران بازار سرمایه ایفا می کند. با افزایش پیچیدگی های محیط کسب وکار و حجم کلان داده های مالی، مدل های سنتی به تنهایی قادر به پوشش دقیق رفتارهای غیرخطی و ناپایدار شرکت ها نیستند. هدف این پژوهش، ارائه یک چارچوب پیشنهادی مبتنی بر رویکردهای ترکیبی (Hybrid) است که با تلفیق مدل های آماری/اقتصادسنجی سنتی (مانند تحلیل تشخیص خطی یا رگرسیون لجستیک) با الگوریتم های پیشرفته هوش مصنوعی (مانند شبکه های عصبی عمیق یا جنگل تصادفی)، دقت پیش بینی بحران را ارتقا بخشد. بدین منظور، با استفاده از داده های مالی شرکت های پذیرفته شده در بورس اوراق بهادار، ویژگی های کلیدی انتخاب و الگوهای ترکیبی پیاده سازی شدند. یافته ها نشان می دهد که مدل های ترکیبی به واسطه بهره گیری از توان تفسیرپذیری مدل های سنتی و قدرت پیش بینی غیرخطی هوش مصنوعی، نرخ خطای مدل (به ویژه در خطاهای نوع اول و دوم) را به طور معناداری کاهش داده و پایداری بالاتری نسبت به مدل های تک روش دارند. نتایج این پژوهش ضمن ارائه ابزاری دقیق تر برای هشدار زودهنگام، بینش های نوینی را برای مدیریت ریسک و بهینه سازی پرتفوی سرمایه گذاری فراهم می آورد.»

کلیدواژه ها:

بحران مالی ، پیش بینی ورشکستگی ، مدل های ترکیبی ، هوش مصنوعی ، یادگیری ماشین ، مدیریت ریسک ، بازارهای مالی