پیش بینی خطر ورشکستگی با استفاده از شبکه های عصبی مصنوعی مبتنی بر رویکرد پرسپترون چندلایه(شواهد تجربی: بورس اوراق بهادار تهران)

نوع مقاله: مقاله پژوهشی

چکیده

زمینه: در پژوهش حاضر به شناسایی عوامل موثر بر پیش بینی ورشکستگی شرکتهای ایرانی با استفاده از سیستم شبکه های عصبی مصنوعی (ANN) بر مبنای رویکرد پرسپترون چندلایه (PS) و ارائه یک مدل آماری مناسب به منظور برآورد ورشکستگی شرکتهای ایرانی، با استفاده از یافته های حاصل از اجرای شبکه ANN پرداخته شده است.
هدف: در پژهش حاضر به دنبال پاسخ گویی به این پرسش هستیم که آیا عوامل سودمند در راستای پیش بینی ورشکستگی شرکتهای ایرانی توسط سیستم شبکه عصبی مصنوعی قابل شناسایی است یا خیر .
روش‌ها: جامعه آماری در تحقیق حاضر تمامی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران هستند که با لحاظ نمودن معیارهایی و به روش حذف سیستماتیک تعداد 172 شرکت از این جامعه آماری در بازه زمانی 1386 الی 1395 بعنوان نمونه در تحقیق حاضر انتخاب شده اند.
یافته‌ها: به منظور انجام تحلیل های آماری در پژوهش حاضر از روش سیستم شبکه های عصبی مصنوعی بر مبنای رویکرد پرسپترون چندلایه استفاده شده است.
نتیجه‌گیری: یافته های حاصل از تجزیه و تحلیل داده های پژوهش نشان می دهد که سیستم ANNقادر است با دقتی معادل 98 درصد عوامل تاثیر گذار بر ورشکستگی شرکتهای ایرانی را در سال قبل از ورشکستگی شناسایی نماید.

کلیدواژه‌ها


عنوان مقاله [English]

The Future of Bankruptcy Risk Investigation Using Artificial Neural Networks Based on Multilayer Perceptron Approach (Empirical Evidence: Tehran Stock Exchange)

چکیده [English]

The aim of  this research is Identification of the effective factors on bankruptcy prediction of Iranian companies by findings of artificial neural network (ANN) system based on Multilayer Perceptron Approach (PS) , and providing an appropriate statistical model for estimating the bankruptcy of Iranian companies by using the findings of The ANN implementation. we seek to answer the following question: Are we able to design a valid statistical model by using findings of artificial neural network (ANN) system to predict the bankruptcy of Iranian companies? The statistical population in this study is all of listed companies in Tehran Stock Exchange. By considering the criteria and method of systematic deletion, 172 companies from this statistical society have been selected as the sample in this research from 1386 to 1395. In order to make statistical analyzes in this study, we used from  methods  such as artificial neural network system based on multilevel perceptron approach, binary logistic regression, and tests such as Akaic, Schwarz, Hanan Quinn and Z wang test. The results of the analysis of the research data show that the ANN system can identify of the factors affecting on  bankruptcy of Iranian companies in the year before bankruptcy by Precision equal 98%.

کلیدواژه‌ها [English]

  • Bankruptcy Prediction
  • Bankruptcy Risk
  • Artificial Neural Networks