تبیین متغیرهای مالی موثر در پیش بینی درماندگی مالی: کاربرد شبکه عصبی مصنوعی

پیش‌بینی درماندگی مالی شرکت‌ها ،یکی از مهمترین مباحث پیش‌روی مدیران است و می تواند به موفقیت و تداوم حیات شرکت‌ها کمک زیادی بکند؛ زیرا با ارائه سیگنال‌های هشدار بر‌انگیز و به موقع می‌تواند مدیران شرکت‌ها را نسبت به وقوع درماندگی مالی و ورشکستگی آگاه نماید و در نتیجه، با مدیریت صحیح از به هدر رفتن منابع و خسارت‌های ناشی از ورشکستگی جلوگیری شود. هدف اصلی این تحقیق، انتخاب متغییرهای مالی موثر جهت پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و سپس پیش‌بینی درماندگی مالی با روش شبکه عصبی مصنوعی است. بنابراین ابتدا 106 شرکت‌ با روش نمونه گیری تصادفی ساده انتخاب شدند و داده های مالی آنها از سال‌های 1386 تا 1398 استخراج و با آزمون همبستگی پیرسون رابطه بین متغییرها بررسی و از 34 نسبت مالی،24 نسبت که دارای رابطه معنی‌دار بودند، انتخاب گردید و در نهایت با روش شبکه عصبی مصنوعی پیش‌بینی درماندگی مالی شرکت‌ها انجام، که درماندگی یا عدم درماندگی، 103 شرکت بدرستی پیش‌بینی گردید و با مقایسه پیش‌بینی انجام شده توسط روش شبکه عصبی مصنوعی با مقادیر واقعی متغیر وابسته در سال 98، مشخص شد که در بیش از 97 درصد موارد، این روش، درماندگی مالی شرکت‌ها را به درستی پیش‌بینی کرده است.

explaining financial variables affecting financialdistress forecast: application the ann method

predicting corporate financial distress is one of the main issues facing managers, which can significantly contribute to companies' success and survival because corporate managers can be informed of financial distress and bankruptcy by providing warning and timely signals. therefore, it is possible to avoid wasting resources and damages due to bankruptcy throughproper management. this study's main purpose was to select the financial variables affecting the prediction of financial distress of companies listed on the tehran stock exchange and then to predict financial distress using the ann method. therefore, first, 106 companies were selected by the simple random sampling method. their financial data were extracted during 2007-2020.the relationship between variables was examined through the pearson correlation test. out of34 financial ratios, 24 ratios with a significant relationship were selected. finally, the ann method was used to predict corporate financial distress, in which the financial distressfulness or non-distressfulness of 103 companies was correctly predicted. comparing the prediction made by the ann method with the actual values of the dependent variable in 2020, it was found that this method correctly predicted the corporate financial distress with a confidence level of 97%.