سودمندی ماشین بردار پشتیبان و الگوریتم ژنتیک در پیش بینی درماندگی مالی بنگاه های اقتصادی

ورشکستگی آخرین مرحله ازحیات اقتصادی شرکتهاست وبرهمه ذینفعان شرکت تاثیرمیگذارد بنابراین پیش بینی ورشکستگی ازاهمیت برخوردار میباشد استفاده ازنسبت های مالی برای پیش بینی درماندگی مالی یا ورشکستگی شرکت ها همیشه موردتوجه دانشگاهیان و بنگاه های اقتصادی بویژه بانکها و سایرنهادهای مالی بوده است پی شبینی به موقع میتواند تصمیم گیران را دریافتن راه حل و پیشگیری ازدرماندگی مالی یاری نماید همچنین این مدلها کاربرد بسیارزیادی دررتبه بندی اعتباری و نحوه توزیع تسهیلات بانکی دارد همواره سعی شده است تا دقت پیش بینی این مدلها بااستفاده ازروشهای پیشرفته تر بهبود یابد دراین پژوهش به بررسی سودمندی شاخصهای مالی دراندازه گیری درماندگی مالی شرکت وچگونگی برای استفاده ازاین ویژگیهای جهت طراحی راه حل های هوشمند مالی و ارایه به سرمایه گذاران و موسسات مالی جهت پیش بینی سقوط مالی می باشد این شاخص اهمیت بسزایی بطور قابل توجهی درافزایش خطرات مالی درچهارچوب بحران مالی جهانی فعلی دارند دراین پژوهش هدف اصلی بررسی کارایی استفاده ازماشین بردارپشتیبان SVM و الگوریتم ژنتیک درپیش بینی درماندگی مالی شرکت ها و مقایسه این دومدل می باشد

کلیدواژه ها:

الگوریتم ژنتیک Genetic Algorithm ، ماشین بردارپشتیبان SVM ، درماندگی مالی