پیش بینی درماندگی مالی با استفاده از شبکه عصبی چند لایه پرسپترون و توابع شعاعی در شرکت های پذیرفته شده در بورس اوراق بهادار

یکی از راه هایی که می تواند به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از هدر رفتن منابع کرد، پیش بینی است. هر بنگاهی که در معرض بحران های مختلفی مانند بحران بازاریابی، بحران منابع انسانی، بحران کسب اعتباری و بحران نوآوری قرار گیرد می تواند به درماندگی مالی و حتی ورشکستگی مبتلا شود. سرمایه گذاران با پی شبینی درماندگی مالی نه تنها از ریسک از بین رفتن سرمایه خود جلوگیری می کنند بلکه از آن به عنوان ابزاری برای کاهش ریسک سبد سرمایه گذاران خود استفاده می کنند. مدیران واحد تجاری نیز در صورت اطلاع به موقع از خطر ورشکستگی می توانند اقدامات پیشگیرانه ای برای جلوگیری از ورشکستگی اتخاذ کنند. هدف این پژوهش پیش بینی درماندگی مالی شرکتها با استفاده از شبکه عصبی چند لایه پرسپترون و شبکه عصبی توابع پایه شعاعی و مقایسه این روش ها با هم می باشد. جامعه آماری اطلاعات صورتهای مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1388-1394 است. نمونه انتخاب شده در این پژوهش شامل 110 شرکت می باشد، شرکت ها شامل دو دوره گروه سالم و ورشکسته می باشند. گروه ورشکسته براساس ماده 141 قانون تجارت انتخاب شده اند و گروه سالم براساس معیار سوددهی انتخاب شده اند. یافته های تحقیق حاکی از آن است که شبکه عصبی توابع شعاعی دقیق تر از شبکه های عصبی پرسپترون در پیش بینی درماندگی می باشند.

کلیدواژه ها:

درماندگی مالی ، شبکه عصبی چند لایه پرسپترونMLP ، شبکه عصبی توابع شعاعی RBF