مقایسه کارایی مدل های یادگیری ماشین و مدل های آماری در پیش بینی ریسک مالی(مقاله علمی وزارت علوم)
منبع:
راهبرد مدیریت مالی سال ۱۱ بهار ۱۴۰۲ شماره ۱ (پیاپی ۴۰)
53 - 76
حوزه های تخصصی:
هدف این پژوهش، مقایسه کارایی مدل های یادگیری ماشین (32 مدل) و مدل های آماری (14 مدل)، در پیش بینی ریسک مالی 145 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی 1389 تا 1398 و انتخاب بهترین مدل با استفاده از تکنیک های بهینه سازی پیشرفته می باشد. یافته های پژوهش با استفاده از آزمون مقایسه دقت ضرایب پیش بینی، بیانگر آن است که با اطمینان 99 درصد، دقت پیشبینی مدلهای یادگیری ماشین، بیشتر از مدلهای آماری است. همچنین بهترین مدل یادگیری ماشین پس از بهینه سازی، مدل ماشین بردار پشتیبان تکاملی با دقت پیش بینی 99.86درصد و مقدار سطح زیر منحنی برابر0.998بوده است. علاوه بر این، نسبت های مالی تعهدی با دقت پیش بینی99.45درصد و نسبت های مالی فعالیت با دقت پیش بینی 98.62درصد توانستند در مقایسه با سایر نسبت های مالی در استفاده از ماشین بردار پشتیبان تکاملی به منظور پیش بینی ریسک مالی عملکرد بهتری داشته باشند. از سوی دیگر ریسک مالی پیش بینی شده بر اساس صنایع مختلف، متفاوت بوده است. بنابراین مشخص شد که مدل های یادگیری ماشین به دلیل عدم برخورداری از محدودیت هایی که مدل های آماری با آن مواجهه هستند می توانند به عنوان ابزاری مهم، در پیش بینی ریسک مالی شرکت ها به کار روند.