ارائه مدل پیش بینی ورشکستگی شرکت های بورس اوراق بهادار تهران مبتنی بر مدل ترکیبی شبکه عصبی گروهی دستکاری داده ها و الگوریتم ژنتیک

هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیش بینی ورشکستگی شرکت های تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، می باشد. هم چنین، با استفاده از تعدادی از پر کاربرد ترین روش های انتخاب متغیر در ادبیات پیش بینی ورشکستگی، مطالعه جامعی در جهت شناسائی بهترین متغیر های پیش بینی کننده ورشکستگی شرکت های بورس اوراق بهادار تهران صورت گرفته است. به منظور ساخت مدل های پیش بینی در ابتدا با استفاده از چهار روش انتخاب متغیر 1-آزمون T نمونه های مستقل (T-test)، 2- ماتریس همبستگی(CM) ، 3- تحلیل تشخیصی گام به گام (SDA) و 4- تحلیل مولفه های اصلی (PCA)، نسبت های مالی نهایی از بین 19 نسبت مالی متناسب با بازار سرمایه کشور، انتخاب شده است. با استفاده از نسبت های مالی انتخاب شده و مدل ترکیبی GA-GMDH، شبکه عصبی- فازی تطبیق پذیر ANFIS)) و رگرسیون لجستیک(LR)، 12 مدل جهت پیش بینی ورشکستگی استخراج شد و نتایج حاصل از آن ها مورد مقایسه قرار گرفت. نتایج حاصل از تحقیق، نشان دهنده قابلیت بالای مدل پیشنهادی GA-GMDH در مدل سازی پیش بینی ورشکستگی و برتری آن بر روش های ANFIS وLR می باشد. همچنین، نتایج تحقیق نشان می دهد که روش ماتریس همبستگی در مقایسه با سایر روش های انتخاب متغیر، توانایی بیشتری در انتخاب متغیرهای موثر بر پیش بینی ورشکستگی شرکت ها دارد. بنابراین، مدل CM-GA-GMDH به عنوان بهترین مدل پیش بینی کننده ورشکستگی شرکت های بورس اوراق بهادار تهران شناخته می شود.