الگوی پیش بینی ورشکستگی صنایع کوچک با استفاده از روش تلفیقی الگوریتم گرگ خاکستری و الگوریتم پرسپترون چند لایه

ورشکستگی یا شکست مالی شرکت ها یک پدیده ناخواسته است که بر صاحبان مشاغل، سایر ذینفعان و دولت تاثیر منفی می گذارد. از این رو، پیش‌بینی ورشکستگی در تحلیل‌های مالی از اهمیت بالایی برخوردار است و در دهه‌های اخیر به طور گسترده مورد مطالعه قرار گرفته است. به تازگی، شواهد نشان داده است شرکت هایی که در معرض ورشکستگی قرار دارند، ارزش بازار آن ها به شدت کاهش می یابد. این موضوع باعث می شود مدیران، سرمایه گذاران، بانک ها و موسسات مالی و اعتباری و سایر گروه های دارای منافع به شدت تحت تاثیر ورشکستگی شرکت ها قرار گیرند. زیرا شکست مالی یک شرکت می تواند زیان های فراوانی به افراد و گروه های مرتبط تحمیل کند. از این رو، این گروه ها نه تنها علاقمند هستند بدانند که آیا یک شرکت ورشکسته خواهد شد یا نه، می خواهند زمان احتمالی این اتفاق را بدانند. یکی از پرکاربردترین تحقیقاتی که در زمینه شرایط مالی شرکت‌ها انجام می شود پیش بینی زمان ورشکستگی قبل از وقوع و اعلام رسمی می‌باشد. در سال های اخیر استفاده از روش های مبتنی بر هوش مصنوعی و بخصوص یادگیری ماشین مبتنی بر پیش بینی، مورد توجه بسیاری از محققان قرار گرفته است. از این رو در این پژوهش یک روش ترکیبی الگوریتم های فراابتکاری و شبکه عصبی مصنوعی ارائه شده که ابتدا به منظور انتخاب ویژگی، با استفاده از الگوریتم گرگ خاکستری روی مجموعه داده، 11ویژگی با دقت 93.87 انتخاب گردید. سپس از الگوریتم پرسپترون چند لایه به منظور طبقه بندی و تخمین وضعیت شرکتها استفاده شد. در نهایت نتایج نشان داد مدل پیشنهاد می تواند ورشکستگی شرکتها را با صحت 91.36 درصد پیش بینی نماید.