بررسی کاربردی الگوهای پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با بکارگیری روش شبکه عصبی مصنوعی

تعداد 138صفحه در فایل word

کارشناسی ارشد

مدیریت بازرگانی

بررسی کاربردی الگوهای پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با بکارگیری روش شبکه عصبی مصنوعی

چکیده

با گسترش روزافزون شركت‌هاي سهامي و متنوع شدن ساختار سرمايه آن‌ها از يكسو و پديدار شدن بحران‌هاي مالي شديد در ابعاد كلان و خرد اقتصادي از سوي ديگر، مالكان و ذي‌نفعان مختلف بنگاه‌ها بدنبال ايجاد سپري براي مصون كردن خود در مقابل اينگونه مخاطرات که ورشکستگی از جمله آن‌ها است بوده‌اند. ورشکستگي آخرين مرحله از حيات اقتصادي شرکت است و بر همه ذي‌نفعان شرکت تاثير مي‌گذارد.پيش بيني ورشکستگی اهمیت ویژه‌ای دارد، چرا که به سرمایه‌گذاران کمک خواهد نمود تا فرصت‌هايمطلوبسرمایه‌گذاري را ازفرصت‌هاينامطلوب تشخیص دهند و ازبههدررفتنمنابع جلوگيري بعمل آيد.برای این منظور مد‌‌ل‌هايمختلفی وجوددارد کهدراینپژوهشجهتپیش‌بینیورشکستگیشرکت‌هاي پذیرفته شده در بورس اوراق بهادار تهران،ازمدلشبکه‌هايعصبیاستفادهشدهاست. در این تحقیق، متغیرهای مذکور از داده­های مالی موجود مربوط به شرکت‌های حاضر در بورس تهران که مربوط به سال‌های 1388 تا 1392 بوده، تحصیل شده است. پس از وارد نمودن متغیرهای مورد نظر به مدل، به طراحی یک مدل شبکه عصبی مناسب برای پیش­بینی ورشکستگی شرکت‌های موجود در بورس پرداخته شد و نتیجه بیانگر آن است که مدل طراحی شده دارای میانگین مربع خطا (MSE) 8 درصد بوده که این بیانگر آن است که با استفاده از متغیرهای منتخب در این تحقیق در شبکه عصبی طراحی شده، می­توان ورشکستگی شرکت‌های موجود در بورس را با 8 درصد خطا پیش­بینی نمود. از این رو مدل شبکه عصبی در پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بورس دقت بالایی دارد. با توجه به نتایج این مطالعه می­توان دریافت، علاوه بر پیش­بینی ورشکستگی، کدام یک از پارامترها می­تواند بیشترین تاثیر را بر ورشکستگی داشته باشد که از میان متغیرهای مورد استفاده ، نسبت سود قبل از هزینه بهره و مالیات به کل دارایی­ها بیشترین و نسبت جاری کمترین اثر را در تعیین ورشکستگی در بین متغیرهای موجود داشته اند.

کلمات كليدي:ورشکستگي، پیش‌بینی، مدل شبکه عصبی مصنوعی، بورس اوراق بهادار تهران، نسبت‌های مالی.