طراحی مدل پیش بینی ریسک تجاری با استفاده از تکنیک های یادگیری ماشین

یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و تخصیص بهتر منابع کمک کرد، پیش بینی ریسک تجاری است. پیش بینی برآورد احتمال وقوع وقایع در آینده است که براساس اطلاعات حال و گذشته انجام می شود، به این ترتیب که اولاً با ارائه هشدارهای لازم می توان شرکت ها را نسبت به وقوع شکست تجاری هوشیار کرد تا آن ها با توجه به این موضوع دست به اقدام های مقتضی بزنند و دوم این که سرمایه گذاران و اعتباردهندگان فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابع شان را در فرصت های مناسب سرمایه گذاری کنند؛ بنابراین پیش بینی ریسک تجاری شرکت ها همواره یکی از موضوعات مورد توجه سرمایه گذاران، اعتباردهندگان و دولت بوده است. هدف از انجام این تحقیق طراحی مدل پیش بینی ریسک تجاری با استفاده از تکنیک های یادگیری ماشین می باشد. جامعه آماری تحقیق حاضر شرکت‌های منتخب پذیرفته‌شده در بورس اوراق بهادار تهران در طی یک دوره نه ‌ساله بین سال‌های 1386-1397 می‌باشد. نتایج آزمون فرضیه ها نشان می دهند که اندازه شرکت، نقدینگی شرکت، سودآوری شرکت، فرصت رشد شرکت، اندازه صنعت، تعداد شرکت در صنعت بر ریسک تجاری تاثیر منفی دارند در حالی که، نسبت بدهی شرکت بر ریسک تجاری تاثیر مثبت و معناداری دارند. همچنین نتایج نشان می دهند که از لحاظ آماری، عمر شرکت، غیر متمرکز بودن صنعت بر ریسک تجاری تاثیری ندارد. نتایج حاصل از طراحی مدل و تکنیک های یادگیری ماشین نشان دهنده کارآ بودن تکنیک nb و بعد از آن تکنیک svm نسبت به سایر تکنیک های یادگیری ماشین می باشد.

designing a business risk forecasting model using machine learning techniques

one way to help you capitalize on investment opportunities and better allocate resources is to anticipate business risk. predicting the probability of future events based on present and past information, in this way, first of all, by providing the necessary warnings, companies can be alerted to the occurrence of business failure so that they can take appropriate action accordingly. and second, investors and lenders distinguish favorable investment opportunities from unfavorable ones. and invest their resources in the right opportunities; therefore, predicting the business risk of companies has always been one of the topics of concern for investors, creditors and the government. the purpose of this study is to design a business risk forecasting model using machine learning techniques.. the statistical population of the present study is the selected companies listed on the tehran stock exchange during a period of nine years between 2007-2018. hypothesis test results show that firm size, firm liquidity, firm profitability, firm growth opportunity, industry size, number of firms in industry have a negative effect on business risk. meanwhile, the company’s debt ratio has a positive and significant effect on business risk. the results also show that statistically, the life of the company, the decentralization of the industry has no effect on business risk. the results of model design and machine learning techniques show the efficiency of nb technique and then svm technique compared to other machine learning techniques.