پیش بینی ورشکستگی شرکت ها با استفاده از الگوریتم درخت های طبقه بندی و رگرسیون

این تحقیق در صدد مدل¬بندی پیش‏بینی ورشکستگی شرکت‏های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تکنیک‏های درخت‏های طبقه‏بندی و تصمیم (cart)، رگرسیون لوجستیک، شبکه درخت‏ها و جنگل‏های تصادفی است. نمونه تحت بررسی شامل 71 شرکت ورشکسته و 71 شرکت غیر ورشکسته طی دوره 81-1390 است که این شرکت‏ها به صورت تصادفی به دو مجموعه آموزشی (شامل 47 شرکت ورشکسته و 47 شرکت غیر ورشکسته)-جهت ایجاد مدل¬ها-و آزمایشی (شامل 24 شرکت ورشکسته و 24 شرکت غیر ورشکسته)-جهت آزمون روایی مدل¬ها-، تقسیم شده‏اند. با استفاده از چهار تکنیک طبقه‏بندی و بکارگیری 6 نسبت مالی منتخب، چهار مدل جهت پیش‏بینی ورشکستگی استخراج شده و نتایج حاصل از آن¬ها مورد مقایسه قرار گرفته است. cartتوانست 94% شرکت‏های نمونه آموزشی و 90% شرکت‏های نمونه آزمایشی را یک سال پیش از ورشکستگی در گروه¬های ورشکسته و غیر ورشکسته به صورت صحیح طبقه¬بندی نماید. دقت مدل در تشخیص شرکت‏های ورشکسته در نمونه آموزشی و آزمایشی به ترتیب 93% و 88% درصد است. همچنین مدل رگرسیون لوجستیک توانست 87% شرکت‏های نمونه آموزشی و 79% شرکت‏های نمونه آزمایشی را یک سال پیش از ورشکستگی به درستی در گروه¬های ورشکسته و غیر ورشکسته طبقه¬بندی نماید. آزمون mcnemar نشان داد که مدل ژنتیکی نسبت به مدل تشخیصی از برتری قابل توجهی برخوردار است. بر اساس یافته¬های تحقیق،شرکت‏هایی که از سودآوری کمتری برخوردارند و قسمت عمده¬ای از دارایی¬های آن¬ها از طریق بدهی تامین مالی شده¬است، بیش از سایر شرکت‏ها در معرض خطر ورشکستگی قرار دارند. همچنین، نقدینگی از جمله عواملی است که با وقوع ورشکستگی رابطه عکس دارد. برای کاهش خطر ورشکستگی،شرکت‏ها بایستی از استراتژی¬های محافظه¬کارانه¬تری که منجر به کاهش¬بدهی¬ها و اهرم مالی می¬شود استفاده کرده و نسبت به کاهش هزینه¬ها، کنترل¬ بیشتری اعمال نمایند.