کاربرد الگوریتم هوش مصنوعی در پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت‌های پذیرفته‌شده بورس اوراق بهادار تهران

کاربرد الگوریتم هوش مصنوعی پیش بینی ورشستگی با استفاده از متغیرهای کلان اقتصادی و حسابداری در شرکت‌های پذیرفته‌شده بورس اوراق بهادار تهرانچکیدهتحلیل ورشکستگی مالی یک پدیده بااهمیت برای سرمایه‌گذاران، اعتباردهندگان و سایر استفاده‌کنندگان از اطلاعات مالی محسوب می‌شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می‌شود و می‌تواند هم برای مدیران و هم برای سرمایه‌گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات 1488 شرکت سال طی دوره 1390 الی 1395 اقدام به بومی سازی روشی جهت شناسایی شرکت های درمانده مالی در سه سطح شده است و در نهایت با استفاده از الگوریتم هوش مصنوعی ماشین بردار پشتیبان کرنل گوسی و الگوریتم قانون گرا چاید ورشکستگی مالی در سال آتی و دوسال آینده با استفاده از متغیر های کلان اقتصادی و حسابداری در بازار سرمایه ایران به کمک نرم‌افزار متلب 2017 پیش بینی شده است. از جنبه های نوآوری این پژوهش بومی سازی مدل ورشکستگی مالی در ایران با بکار گیری همزمان مدل های جهانی و ایرانی، استفاده از متغیر های کلان اقتصادی و حسابداری و همچنین استفاده از روش های هوش مصنوعی سه سطحی می باشد. نتایج تحقیق حاکی از تاثیر مستقیم تورم و ریسک مالی و تاثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر ورشکستگی مالی می‎باشد. همچنین نتایج نشان می‌دهد که الگوریتم غیر خطی ماشین بردار پشتیبان کرنل گوسی نسبت به الگوریتم قانون گرا چاید توانایی بالا تری در پیش بینی ورشکستگی آتی شرکت ها دارد.

Using artificial intelligence algorithm in Financial Bankruptcy by Macroeconomic and Accounting variables in listed companies for stock exchange in Tehran

Financial distress analysis is an essential phenomenon for financiers, creditors and those who use financial data. Predicting the possibility of a company’s distress is an interesting issue and is beneficial for managers, investors and creditors. This study localizes a method to identify the distressed companies in three levels, using the data of 1488 company from 1390 to 1395 and finally the financial distress for the next year and two years later is predicted by means of macroeconomic and accounting variable in the capital market of Iran by means of Matlab 2017, using the artificial intelligence algorithm of Gaussian kernel backup vector machine and Chide ruleoriented algorithm. One of the innovations of this study about the localization of the distress model in Iran using the worldwide and Iranian model together is using macroeconomic and accounting variables and artificial intelligence methods in three levels. The results of this study show that the nonlinear algorithm for vector machine supporting the Gaussian kernel has more ability to predict the distress of companies, compared to the Chide ruleoriented algorithm. Key words: Financial Bankruptcy, artificial intelligence, Macroeconomic and Accounting variables.JEL: C53،A12،B26،G33،M41