کاربرد روش انتخاب ویژگی هارک (Harc) در پیش بینی درماندگی مالی شرکت ها در بورس اوراق بهادار تهران

یکی از مسائل مهم در پیش بینی درماندگی مالی، انتخاب متغیرهای پیش بین می باشد. پژوهش پیش رو به نشان رویکردی جدید برای انتخاب ویژگی با استفاده از دسته بندی نسبت های مالی بر مبنای مفاهیم مالی و ترکیب روش های آماری با الگوریتم های فراابتکاری می پردازد. بدین منظور 34 نسبت مالی برای شرکت های تولیدی درمانده براساس ماده 141 قانون تجارت و به همان تعداد شرکت سالم به صورت تصادفی از شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1380 تا1390با استفاده از صورت های مالی حسابرسی شده برای یک و دو سال قبل از درماندگی جمع آوری شده است. سپس با استفاده از آزمون آماری تی و الگوریتم ژنتیک، بهترین نسبت ها انتخاب و با استفاده از ماشین بردار پشتیبان، پیش بینی درماندگی مالی انجام شده است. نتایج بدست آمده از پژوهش حاکی از آن است که روش پیشنهادی هارک در یک و دو سال پیش از وقوع درماندگی به طور معناداری در پیش بینی درماندگی مالی نسبت به رگرسیون لجستیک و مدل آلتمن از عملکرد بهتری برخوردار است.

The Use of Feature Selection Method (HARC) in Predicting Financial Distress in Tehran Stock Exchange

One of the most important issues in financial distress prediction is the selection of predicting variables. The present research in contrast to previous works provides a new approach to feature selection using the classification of financial ratios based on financial semantics and a combination of statistical methods with metaheuristic algorithms. To this end, 34 financial ratios based on the audited financial statements are collected for distressed manufacturing companies  according to paragraph 141 of Iran Trade Law and healthy companies listed in Tehran stock exchange (TSE) sampled randomly between 2001 and 2011 for one and two years prior to distress. Then, using ttest and genetic algorithm respectively, best ratios from the primary feature set are selected and support vector machine is applied to predict financial distress. The experimental results showed that the proposed HARC method outperforms logistic regression and Altman model significantly for one and two years prior to distress in predicting financial distress.