پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با روش های شبکه عصبی مصنوعی و مدل فولمر

درماندگی مالی و ورشکستگی، هزینه های زیادی داشته و به اقتصاد کشورها صدمه وارد می کند و پیش بینی آن جهت جلوگیری از ورشکستگی کمک شایان توجهی می کند. هدف پژوهش پیش بینی ورشکستگی و سودآوری شرکت ها جهت ارزیابی عملکرد و وضعیت مالی با استفاده از رگرسیون لجستیک و نسبت های مالی بامدل های شبکه عصبی مصنوعی و فولمر براساس دوره زمانی 1391 الی 1397 برای 132 شرکت بورس هست.  

برای برازش مدل فولمر از نرم افزار EViews و برای برازش مدل شبکه عصبی از نرم افزار Spss26 استفاده شده است. شاخص های استفاده شده در مدل ها شامل نسبت بدهی به حقوق صاحبان سهام، سود قبل از بهره و مالیات، جمع بدهی ها به مجموع دارایی ها، حساب های دریافتنی به فروش، سود خالص بر دارایی، بدهی بلندمدت به دارایی، سرمایه در گردش، سود خالص به فروش هستند.  

یافته ها:

 با استفاده از نتایج و مدل های ارایه شده در پژوهش می توان از مبتلا شدن شرکت ها به بحران مالی، ورشکستگی و همچنین پیامدهای آن، به طور مناسبی جلوگیری کرد. البته توجه این نکته نیز ضروری است که پس از پیش بینی می بایستی به ریشه یابی مساله و پیگیری علل پرداخته شود.

نتیجه گیری:

 نتایج پژوهش نشان داد میزان قدرت و دقت پیش بینی ورشکستگی مدل شبکه عصبی مصنوعی در مقایسه با مدل فولمر از دقت بالاتری برخوردار است و همچنین حساب های دریافتنی بر فروش بیشترین و نسبت بدهی به حقوق صاحبان سهام کمترین نسبت های مالی موثر بر ورشکستگی در مدل شبکه عصبی مصنوعی هست.