ارزیابی ریسک اعتباری با استفاده از مدل ترکیبی شبکه عصبی بازشناسی الگو و الگوریتم مورچگان

میزان قابل توجه زیان مالی بالقوه ناشی از بازپرداخت نکردن تعهدهای وام گیرندگان است، و توسعه و بهبود روش های اندازه گیری ریسک اعتباری برای کاهش زیان مالی ناشی از نکول وام گیرندگان به موضوعی اجتناب‏ ناپذیر در ادبیات مالی تبدیل شده است. هدف مدل های پیش بینی ورشکستگی، برآورد احتمال نکول شرکت یا شخص در یک دوره زمانی است. در پژوهش حاضر، از داده های شرکت های حاضر در بورس اوراق بهادار تهران و فرابورس در سال های 1395-1370 استفاده می‏ شود و با نمونه ای از 218 شرکت، الگوریتم کلونی مورچگان برای تعیین موثرترین عوامل ریسک اعتباری و روش شبکه عصبی بازشناسی الگو برای طبقه بندی و ارزیابی میزان دقت پیش بینی ورشکستگی استفاده می ‏شود. نسبت هایی شامل سود قبل از بهره و مالیات به فروش کل، کل حقوق صاحبان سهام به کل بدهی، نسبت جاری، نسبت وجه نقد، و نسبت حقوق صاحبان سهام به دارایی کل به عنوان موثرترین عوامل شناسایی می شوند. مدل نهایی قادر به پیش بینی وضعیت اعتباری شرکت ها، با دقت بالاتری نسبت به متوسط دقت مدل های متداول موجود با استفاده از داده های سال قبل، دو سال قبل، و سه سال قبل از سال هدف برآورد است.