بررسی توانمندی الگوهای پیش بینی کننده بحران مالی

مالکان، مدیران، سرمایه گذاران، اعتباردهندگان، شرکتهای تجاری و همچنین موسسات دولتی علاقمند به ارزیابی وضعیت مالی شرکت‌ها هستند چرا که در صورت ورشکستگی هزینه‌های زیادی به آنها تحمیل می‌شود. امروزه از الگوهای مختلفی مانند : تکنیک‌های آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری) و تکنیک‌های هوش مصنوعی (شبکه‌های عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعه‌های سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی ورشکستگی استفاده می‌شود. هدف از این پژوهش تعیین الگوهایی با استفاده از متغییرهای مالی (نسبت‌های مالی صورتحساب سود وزیان و ترازنامه) جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورتهای مالی در پیش بینی بحران مالی شرکتها می‌باشد. در این تحقیق چهار الگوی پیش بینی بحران مالی(الگوهای مبتنی بر روش‌های سنتی MDA ، الگوریتم ‍ژنتیک خطی، الگوریتم ژنتیک غیر خطی و شبکه عصبی) برای پیش بینی بحران مالی دو سال قبل از وقوع آن تدوین شده است. سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. با توجه به نتایج آزمون مشخص گردید الگوی مبتنی بر شبکه عصبی دارای بالاترین توان در پیش بینی بحران مالی شرکت‌ها می‌باشد.