طراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای  شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسیترون چند لایه پیش خور، با قانون یادگیری پس انتشار خطا انتخاب شده است. در اینجا از چهار شبکه عصبی فازی استفاده  شده است. بدین منظور ابتدا پارامترهای مؤثر بر ورشکستگی شناسایی و سپس متغیرهای نهایی در سه دسته اصلی طبقه بندی و به عنوان ورودی های شبکه های عصبی فازی نقدینگی، اهرمی و بازار در نظر گرفته شده است . و سپس خروجی های شبکه های عصبی فازی نقدینگی، اهرمی و بازار به عنوان ورودی های شبکه عصبی فازی پیش بینی ورشکستگی شرکت ها وارد می گردد و خروجی آن احتمال ورشکستگی شرکت های داروسازی بورس را نمایش می دهد. عملکرد شبکه های عصبی فازی در محیط مطلب، سیستم استنتاج فازی سوگینو و توابع عضویت جی بل مورد ارزیابی قرار گرفته است. نتیجه بدست آمده از این مقاله یک مدل پیش بینی بهینه با کمترین مقدار خطا را ارایه داده است