بررسی دلایل ورشکستگی و تاثیر آن در عملکرد روشهای پیشبینی مبتنی بر هوشمصنوعی

علاقه به موضوع پیش بینی ورشکستگی به خصوص بعد از بحران مالی جهانی سال 2008 میلادی و به دلایل اقتصادی، سیاسی و اجتماعی افزایش قابل توجهی یافت. سرمایه گذاران، دولت ها، طلبکاران و بستانکاران مایلند از وضعیت بنگاه در آینده آگاه گردند اما پیچیدگی محیط های کسب و کار و افزایش عوامل موثر در وضعیت مالی بنگاه ها، چالشی مهم در کارایی روش های ارائه شده در این حوزه بوجود آورده است. در این پژوهش با هدف حل چالش پیش رو، عواملی که بیشترین تاثیر را در ورشکستگی بنگاه ها داشتند به 3 گروه • عوامل کلان محیطی(اقتصاد کلان) • عوامل بخشی (بازار و نیروهای رقابتی حاکم) • عوامل خرد (مسائل مالی بنگاه) طبقه بندی نمودیم. و میزان تاثیری که این عوامل می توانند در یک پیش بینی موفق داشته باشند تخمین زدیم. نتایج بدست آمده را برای حدود 20 روش پرکاربرد در 2 گروه • روش های کلاسیک • روش های مبتنی بر هوش مصنوعی مورد ارزیابی قرار دادیم و به این نتیجه رسیدیم که اغلب روش های ارائه شده صرفا از عوامل خرد استخراج شده از صورت های مالی جهت پیش بینی ورشکستگی بهره می برند که در صورت استفاده از سایر متغیرها می توان دقت برخی از آنها را بهبود بخشید. در نهایت اینگونه ارزیابی شد که روش های مبتنی بر هوش مصنوعی به خصوص روش هایی که از یادگیری بدون ناظر استفاده می کنند نسبت به روش های کلاسیک از دقت، انعطاف و توانایی پاسخگویی به تغییرات بالاتری برخوردار هستند.

کلیدواژه ها:

روش های پیش بینی ورشکستگی ، هوش مصنوعی ، داده کاوی ، روش های آماری ، عوامل موثر در ورشکستگی