پیش‌بینی ورشکستگی شرکت‌ها مبتنی بر سیستم‌های هوشمند ترکیبی

با توجه به شرایط رقابتی اقتصاد کشورها و بحران‌های اقتصادی ایجاد شده در سطح بین‌المللی و داخل کشور، نیاز به یک مدل مناسب برای پیش‌بینی ورشکستگی شرکت‌های کشور احساس می‌شود. تصمیم‌گیران کلان اقتصادی، سازمان‌های اقتصادی کشور و سیستم بانکی با استفاده از این مدل‌ها توانایی اتخاذ تصمیمات دقیق‌تر و با عوارض کمتری را دارا خواهند بود. همچنین مدل‌های فوق در سطح خرد نیز برای تصمیم‌گیری برای سرمایه‌گذاری‌های آتی قابل استفاده می‌باشد. در این تحقیق با پیاده‌سازی یک سیستم منسجم و هوشمند مبتنی بر شبکه عصبی، ماشین‌های بردار پشتیبان و یادگیری تشدید شده و در کنار آن استفاده از الگوریتم‌های بهینه‌سازی رقابت استعماری، الگوریتم فرهنگی و جستجوی هارمونی سعی شده است تا حد امکان نواقص مدل‌های پیشین در سطح بین‌الملل رفع شود. علاوه بر آن با همکاری سازمان امور مالیاتی کشور مقیاس بررسی سیستم به داده‌های کل کشور تعمیم یافته است که بررسی در ابعاد فوق در سطح بین‌الملل منحصر به فرد می‌باشد. تعداد نمونه‌های مورد بررسی در صنعت موادغذایی و نساجی به ترتیب برابر با 5825 و 4089 می‌باشد که با اعمال معیار قانونی ورشکستگی به ترتیب 999 و 848 نمونه شرایط ورشکستگی را در دو سال مورد بررسی دارا بوده‌اند. نتایج نشان دهنده برتری عملکرد ترکیب ماشین بردار پشتیبان با الگوریتم‌های بهینه‌سازی جستجوی هارمونی و رقابت استعماری در شرایط عدم حذف داده‌های پرت می‌باشد.