اعتبارسنجی الگوریتم‌های هوش مصنوعی در پیش‌بینی درماندگی مالی در بخش صنعت و معدن با تأکید بر نقش متغیرهای کلان اقتصادی، مالی، مدیریتی و ریسک

تحلیل درماندگی مالی یک پدیده با اهمیت برای سرمایه‌گذاران، اعتباردهندگان و سایر استفاده‌کنندگان از اطلاعات مالی محسوب می‌شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می‌شود و می‌تواند هم برای مدیران و هم برای سرمایه‌گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات 1350 شرکت سال طی دوره 1387 الی 1395 در بخش صنعت و معدن بازار سرمایه ایران به بررسی عوامل مؤثر بر درماندگی مالی و پیش‌بینی آن به‌وسیله الگوریتم‌های هوش مصنوعی (روش درخت تصمیم، ماشین‌بردار پشتیبان و طبقه‌بندی بیز) با استفاده از نرم‌افزار متلب 2017 پرداخته است. نتایج تحقیق حاکی از تأثیر مستقیم تورم و ریسک مالی و تأثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر درماندگی مالی می‎باشد. همچنین نتایج نشان می‌دهد که الگوریتم درخت تصمیم با استفاده از داده‌های مالی و اقتصادی کارایی بالاتری نسبت به روش طبقه‎بندی بیز و ماشین بردار پشتیبان در جهت پیش‌بینی درماندگی مالی دارد.