اعتبارسنجی الگوریتم های هوش مصنوعی در پیش بینی درماندگی مالی در بخش صنعت و معدن با تاکید بر نقش متغیرهای کلان اقتصادی، مالی، مدیریتی و ریسک

تحلیل درماندگی مالی یک پدیده با اهمیت برای سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان از اطلاعات مالی محسوب می شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می شود و می تواند هم برای مدیران و هم برای سرمایه گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات 1350 شرکت سال طی دوره 1387 الی 1395 در بخش صنعت و معدن بازار سرمایه ایران به بررسی عوامل موثر بر درماندگی مالی و پیش بینی آن به وسیله الگوریتم های هوش مصنوعی (روش درخت تصمیم، ماشین بردار پشتیبان و طبقه بندی بیز) با استفاده از نرم افزار متلب 2017 پرداخته است. نتایج تحقیق حاکی از تاثیر مستقیم تورم و ریسک مالی و تاثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر درماندگی مالی می‎باشد. همچنین نتایج نشان می دهد که الگوریتم درخت تصمیم با استفاده از داده های مالی و اقتصادی کارایی بالاتری نسبت به روش طبقه‎بندی بیز و ماشین بردار پشتیبان در جهت پیش بینی درماندگی مالی دارد.