پیش بینی ورشکستگی شرکت ها مبتنی بر سیستم های هوشمند ترکیبی

با توجه به شرایط رقابتی اقتصاد کشورها و بحران های اقتصادی ایجاد شده در سطح بین المللی و داخل کشور، نیاز به یک مدل مناسب برای پیش بینی ورشکستگی شرکت های کشور احساس می شود. تصمیم گیران کلان اقتصادی، سازمان های اقتصادی کشور و سیستم بانکی با استفاده از این مدل ها توانایی اتخاذ تصمیمات دقیق تر و با عوارض کمتری را دارا خواهند بود. همچنین مدل های فوق در سطح خرد نیز برای تصمیم گیری برای سرمایه گذاری های آتی قابل استفاده می باشد. در این تحقیق با پیاده سازی یک سیستم منسجم و هوشمند مبتنی بر شبکه عصبی، ماشین های بردار پشتیبان و یادگیری تشدید شده و در کنار آن استفاده از الگوریتم های بهینه سازی رقابت استعماری، الگوریتم فرهنگی و جستجوی هارمونی سعی شده است تا حد امکان نواقص مدل های پیشین در سطح بین الملل رفع شود. علاوه بر آن با همکاری سازمان امور مالیاتی کشور مقیاس بررسی سیستم به داده های کل کشور تعمیم یافته است که بررسی در ابعاد فوق در سطح بین الملل منحصر به فرد می باشد. تعداد نمونه های مورد بررسی در صنعت موادغذایی و نساجی به ترتیب برابر با 5 8 2 5 و 4089 می باشد که با اعمال معیار قانونی ورشکستگی به ترتیب 9 9 9 و 8 4 8 نمونه شرایط ورشکستگی را در دو سال مورد بررسی دارا بوده اند. نتایج نشان دهنده برتری عملکرد ترکیب ماشین بردار پشتیبان با الگوریتم های بهینه سازی جستجوی هارمونی و رقابت استعماری در شرایط عدم حذف داده های پرت می باشد.