پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک و مقایسه دو روش با هم
چکیده
ورشكستگي شركت ها معمولاً بر نقدينگي بازار سرمايه و توسعه اقتصاد موثراست. در زمان ورشكستگي، بانك ها معمولاً اعتباردهي به شركت هاي ورشكسته را كاهش داده ودر ازاي وامي كه به شركت ها ميدهند، بهره بالاتر ي را بر اي جبران ريسك اضاف درخواست مي كنند. لذا مؤسسات سرما يه گذار ي خريد سهام را كاهش داده و بيشتر به سراغ سرمايه گذاري و خريد اوراق قرضه بانك ها يا بازارهاي مشابه آن اقدام مي كنند. با توجه به این که ورشکستگی شرکت ها هزینههاي سنگینی را در پی دارد، میتوان قبل از اینکه شرکتی به مرحله ورشکستگی برسد، وضعیتش را از لحاظ ورشکستگی مشخص نمود و تدابیري اتخاذ نمود تا شرکت از ورشکستگی رهایی یابد. هدف این پژوهش، پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک و مقایسه دو روش با هم می‌باشد.
نتایج مدلها نشان داد که از متغیرهای مورد استفاده در این مدل های شبکه های عصبی، رگرسیون و الگوریتم ژنتیک سه متغیرنسبت جاري، سرمایه در گردش به کل دارایی ها و سود قبل از بهره و مالیات به کل دارایی ها بر اساس اطلاعات دسترس در نمونه، نسبت عکس با ورشکستگی شرکت ها داشته است. نتایج این تحقیق ضمن اینکه نشان داد شبکههاي عصبی در پیش بینی ورشکستگی شرکت ها از دقت بالاي برخوردار است، مشخص نمود که با استفاده از نتایج این پژوهش و مدل هاي ارائه شده در این پژوهش، به عنوان اولین گام، می توان از مبتلا شدن شرکت ها به بحران مالی و ورشکستگی و همچنین پیامدهاي آن، به طور مناسبی جلوگیري کرد. البته پس از پیش بینی میبایستی به ریشهیابی مساله و ردیابی علل پرداخته شود.
