پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با مدل شبکه عصبی مصنوعی (ANN) و مقایسه آن با مدل اریما (ARIMA)

در این تحقیق کارایی مدل شبکه عصبی مصنوعی در پیش بینی ورشکستگی شرکت ها در مقایسه با مدل اریما بررسی شده است با انتخاب تصادفی 72 شرکت ورشکسته و 72 شرکت غیر ورشکسته و با استفاده از 5 نسبت مالی به عنوان متغیر مستقل از طریقمدل شبکه عصبی پیش خور پرسپترون چهار لایه با ساختار ) 1،2،2،5 ( با الگوریتم یادگیری پس انتشار خطا به همراه مقایسه آن با مدل اریما ) 1،2،1 ( به پیش بینی احتمال ورشکستگی شرکت ها پرداخته است داده های به دست آمده از هر دو مدل شبکه عصبیمصنوعی و اریما با استفاده از معیارهای ارزیابی از جمله میانگین قدر مطلق خطا ) MAE (، میانگین مربعات خطا ) MSE ( و ریشه میانگین مربعات خطا ) RMSE (، مورد مقایسه و تجزیه و تحلیل قرار گرفته و در نهایت نتیجه گیری شده است نتیجتاً مدل شبکه عصبی مصنوعی در پیش بینی ورشکستگی شرکت ها نسبت به مدل اریما دارای خطای کمتری بوده و با دقت بیشتری عمل می نماید

کلیدواژه ها:

ورشکستگی ، شبکه های عصبی مصنوعی ، الگوریتم یادگیری ، مدل اریما