شناسایی مهمترین عوامل در پیش بینی ورشکستگی و طبقه بندی اعتباری شرکت ها

بانک ها و موسسات مالی کوشش می کنند که روش های ارزیابی ریسک اعتباری یشان را به منظور کاهش زیان مالی ناشی از نکول مالی قرض گیرندگان، توسعه داده و بهبود بخشند. هر چند در مطالعات گذشته، تعداد زیادی از متغیرهای مستخرج از صورت های مالی شامل نسبت های مالی به عنوان ورودی فرایند پیش بینی ورشکستگی مورد استفاده قرار گرفته شده بود، کمتر یک روش یادگیری ماشینی که بر اساس هوش محاسباتی باشد، در انتخاب کلیدی ترین متغیرها به کار گرفته شده بود. در پژوهش حاضر، داده های شرکت های حاضر در بازار بورس تهران و فرابورس در طول 26 سال از 1992 تا 2017 به عنوان جامعه پژوهش مورد بررسی قرار گرفت و 218 شرکت به عنوان نمونه انتخاب شد و الگویتم کلونی مورچگان به همراه الگوریتم نزیکترین k همسایگی به منظور انتخاب ویژگی و طبقه بندی شرکت ها مورد استفاده قرار گرفت. در این پژوهش مساله نامتقارن بودن مجموعه داده ها با تکنیک زیرنمونه برداری حل شده است. نتایج نشان می دهد متغیرهایی  از قبیل نسبت EBIT به فروش کل، مالکانه، جاری، وجه نقد و بدهی، موثرترین عوامل در پیش بینی وضعیت سلامت اعتباری شرکت ها هستند. مدل نهایی پژوهش قادر به تخمین احتمال ورشکستگی با دقت بین 75.5 تا 78.7 درصد برای نمونه آموزش و آزمون می باشد.