ارائه مدل پیش‌بینی ورشکستگی شرکت های بورس اوراق بهادار تهران مبتنی بر مدل ترکیبی شبکه عصبی گروهی دستکاری داده ها و الگوریتم ژنتیک

هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیش­بینی ورشکستگی شرکت­های تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، می­باشد. هم چنین، با استفاده از تعدادی از پر کاربرد­ترین روش­های انتخاب متغیر در ادبیات پیش­بینی ورشکستگی، مطالعه جامعی در جهت شناسائی بهترین متغیر­های پیش­بینی کننده ورشکستگی شرکت­های بورس اوراق بهادار تهران صورت گرفته است. به منظور ساخت مدل‌های پیش­بینی در ابتدا با استفاده از چهار روش انتخاب متغیر 1-آزمون T نمونه­های مستقل (T-test)، 2- ماتریس همبستگی(CM) ، 3- تحلیل تشخیصی گام به گام (SDA) و 4- تحلیل مولفه­های اصلی (PCA)، نسبت­های مالی نهایی از بین 19 نسبت مالی متناسب با بازار سرمایه کشور، انتخاب شده است. با استفاده از نسبت‌های مالی انتخاب شده و مدل ترکیبی GA-GMDH،  شبکه عصبی- فازی تطبیق‌پذیر ANFIS)) و رگرسیون لجستیک(LR)، 12 مدل جهت پیش­بینی ورشکستگی استخراج شد و نتایج حاصل از آن­ها مورد مقایسه قرار گرفت. نتایج حاصل از تحقیق، نشان دهنده قابلیت بالای مدل پیشنهادی GA-GMDH در مدل‌سازی پیش‌بینی ورشکستگی و برتری آن بر روش­های ANFIS وLR  می‌باشد. همچنین، نتایج تحقیق نشان می­دهد که روش ماتریس همبستگی در مقایسه با سایر روش‌های انتخاب متغیر، توانایی بیشتری در انتخاب متغیرهای موثر بر پیش‌بینی ورشکستگی شرکت‌ها دارد. بنابراین، مدل CM-GA-GMDH به عنوان بهترین مدل پیش­بینی کننده ورشکستگی شرکت‌های بورس اوراق بهادار تهران شناخته می­شود.