طراحی و تبیین مدل پیش بینی ورشکستگی شرکت ها در بورس اوراق بهادار تهران

ورشکستگی آخرین مرحله از حیات اقتصادی شرکت ها است و بر همه ذینفعان شرکت تاثیر می گذارد. بنابراین پیش بینی ورشکستگی از اهمیت برخوردار می باشد با توجه به اینکه فرایند حقوقی به منظور شناسایی شرکت های ورشکسته امری زمان بر است بنابراین در این تحقیق از مفهوم آستانه ورشکستگی برای شناسایی شرکت های ورشکسته در بورس اوراق بهادار تهران استفاده شد. سوال اصلی تحقیق این است که کدام یک از مدل های پس انتشار خطا، الگوریتم ژنتیک و بهینه سازی تجمعی ذرات با دقت بالاتری ورشکستگی شرکت ها را پیش بینی می کند. همچنین تاثیر داده های بازار و نسبت های مالی در پیش بینی ورشکستگی با یکدیگر مقایسه گردید. نتیجه نشان داد که استفاده از الگوریتم ژنتیک در افزایش دقت پیش بینی ورشکستگی موثر است اما مقایسه مدل های الگوریتم ژنتیک و بهینه سازی تجمعی ذرات نشان داد که از نظر آماری نمی توان اثبات نمود که یکی از این روش ها بر دیگری برتری دارد. همچنین نتایج نشان دهنده این بود که استفاده از داده های بازار برای پیش بینی ورشکستگی موثرتر از استفاده از نسبت های مالی و یا استفاده همزمان از داده های بازار و نسبت های مالی است. همچنین نتایج نشان داد مدلی که از داده های بازار استفاده کرده و از طریق الگوریتم بهینه سازی تجمعی ذرات آموزش ببیند می تواند تا 6/92 درصد ورشکستگی شرکت ها را به درستی پیش بینی نماید.