پیش بینی بحران مالی شرکت های پذیرفته شده در بورس اوراق بهادار با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی تطبیقی

با توجه به تاثیرات بحران مالی شرکتها بر روی گروه های مختلف ذینفع، همواره ارایه الگوهای پیش بینی بحران مالییکی از جذابترین حوزهها در تحقیقات مالی بوده است. در الگوهای پیش بینی موجود، عمدتا نسبت های مالی بهعنوان متغیرهای پیش بینی به کار گرفته می شوند. بر همین اساس نیز هدف این پژوهش پیش بینی بحران مالی بااستفاده از روشهای شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی بوده است. به این منظور مدل های اسپرینگیت و آلتمن مورد استفاده قرار گرفته اند. جامعه آماری این پژوهش شامل کلیه شرکت های پذیرفته شده دربورس اوراق بهادار تهران می باشد. نمونه آماری شامل ۳۰ شرکت درمانده مالی و ۳۰ شرکت غیردرمانده طی سالهای۸۶ تا ۹۴ می باشد که به منظور دسته بندی شرکتها به دو گروه مذکور، از امتیاز خروجی از مدل های اسپرینگیت وآلتمن استفاده شده است. نتایج حاصل نشان می دهدکه شبکه عصبی مصنوعی توانسته است بر اساس مدل آلتمن،بحران مالی را با دقت تقریبا ۱۰۰ درصدی پیش بینی نماید. در حالیکه همین شبکه بر اساس مدل اسپرینگیت درپیش بینی بحران مالی دقتی ۵۰ درصدی داشته است. همچنین شبکه عصبی- فازی تطبیقی در پیش بینی بحران مالی بر اساس الگوی آلتمن دقت ۶۶۷ / ۹۶ نشان داده است، در حالی که شبکه عصبی- فازی تطبیقی در پیش بینی بحران مالی با استفاده از مدل اسپرینگیت دقت ۶۶۷ / ۸۱ درصدی را نشان می دهد.

کلیدواژه ها:

بحران مالی ، مدل اسپرینگیت ، مدل آلتمن ، شبکه عصبی مصنوعی ، شبکه عصبی فازی تطبیقی