بکارگیری شبکه های عصبی برای پیش بینی سودآوری شرکتها

اینتحقیقدرصددپیش بینیسودآوریشرکتهایپذیرفتهشدهدربورساوراقبهادارتهرانبااستفادهازتکنیکشبکه های عصبی است. نمونهتحتبررسیما 90 شرکت عضو بورس اوراق بهادار در بین سالهای 80 تا 87 بودند، پسشامل720شرکت- سال سودآورو زیان آوراستکه ایننمونه با توجهبهشرایط تحقیق به 630 شرکت – سال تقلیل یافت. برای دستیابی به یک جریان منطقی و استفاده ی عملی از نتایج تحقیق، 540 شرکت – سال ابتدایی را بعنوان گروه آموزشی و 90 شرکت – سال انتهایی را بعنوان گروه آزمایشی برای آزمون روایی نتایج آموزشی بکار گرفتیم. بهمنظور دستیابی به اهداف خود، درابتداباتعیینمتغیرهایپیش بینیکنندهموفقیت، متغیرهای بالقوه ای که می توانند در تحقیق ما بکار گرفته شوند را تعیین نمودیم.بهاینمنظوربررسیمبسوطیبررویادبیاتتحقیقصورتگرفتوفهرستجامعیازنسبتهایمالیکهدرتحقیقاتپیشینازخودتواناییبالاییدرپیش بینیموفقیتنشاندادهبودند،فراهمشد. از میان 42 متغیر بالقوه ی تعیین شده، 27 متغیر توانستند دو گروه مورد نظر را تفکیک نمایند و در نهایت با استفاده از تکنیک تحلیل گام به گام، 9 متغیر بعنوان بهترین این شاخصها و نماینده ی 27 متغیر انتخاب شدند. بااستفادهازدوتکنیکشبکه های عصبیوتحلیلتشخیصیخطیوبکارگیری9نسبتمالیمنتخب،نتایجحاصلازآنها استخراج وموردمقایسهقرارگرفتهاست.تکنیک شبکه های عصبیتوانست99 % شرکتهاینمونهآموزشیو86 % شرکتهاینمونهآزمایشیرایکسالپیشازسودآوریدرگروه هایسودآوروزیان آوربهصورتصحیحطبقهبندینماید.دقت تکنیک تحلیلتشخیص خطیدرنمونهآموزشیوآزمایشیبهترتیب89 % و81 % است. بکارگیری آزمون مک نمار رای به برتری تکنیک شبکه های عصبی نسبت به تکنیک تحلیل تمایز خطی رانشانمی دهد.