اصغر ارم

پیش بینی درماندگی مالی شرکت ها یکی از موضوعات مهمی است که به موفقیت و تداوم حیات شرکت ها کمک زیادی می کند. از جمله روش های هوشمندی که اخیرًا در حل مسائل پیش بینی و دسته بندی نتایج مطلوبی را به همراه داشته، روش الگوریتم کلونی مورچگان است. پژوهش حاضر به مطالعه پیش بینی درماندگی مالی شرکت ها با استفاده از الگوریتم کلونی مورچگان می پردازد. جامعه آماری شامل شرکت های بورس اوراق بهادار تهران و نمونه استفاده شده شامل 174 شرکت درمانده و سالم بوده است. متغیرهای پیش بین بر اساس نسبت هایی انتخاب شدند که در نتایج تحقیقات قبلی به عنوان متغیرهای اصلی پیش بینی در مدل پیش بینی آنها ارائه شدند. مدل مقایسه ای استفاده شده در این پژوهش، مدل تحلیل ممیز چندگانه است. نتایج به دست آمده از تحقیق بیانگر آن است که روش الگوریتم کلونی مورچگان در پیش بینی درماندگی مالی شرکت ها، به طور معناداری نسبت به روش تحلیل ممیز چندگانه عملکرد بهتری دارد

هدف: تأمین مالی شرکت های کوچک و متوسط فناور، یکی از عوامل تعیین کننده موفقیت آتی آن هاست. به طور عمده، دارایی های این شرکت ها از نوع ناملموس و مبتنی بر دانش فنی است و با توجه به نوپا بودن، سوابق مالی و اعتباری چشمگیری ندارد. نظام های تأمین مالی، به صورت سنتی و به منظور مدیریت ریسک، از الگوهای مبتنی بر توثیق حداکثری دارایی های فیزیکی استفاده می کنند که با شرایط این کسب وکارها تناسبی ندارد و به بازنگری نیازمندند. مسئله اصلی این پژوهش، ارائه مدلی برای ارزیابی و تعیین تضامین طرح های فناورانه و شرکت های دانش بنیان است تا ضمن تسهیل دستیابی به منابع مالی، ریسک عدم بازپرداخت این منابع نیز مدیریت شود. روش: جامعه آماری، شرکت های دانش بنیان دریافت کننده تسهیلات است که با استفاده از روش کوکران، 103 شرکت برای نمونه انتخاب شد. در گام نخست، معیارهای ارزیابی طرح و شرکت، تعریف و با به کارگیری سیستم خبره فازی، شیوه رفتار مناسب با شرکت ها تعیین شده است. در گام دوم، به منظور ایجاد یک سیستم یادگیرنده، نتایج گام نخست به عنوان داده های ورودی، در قالب سه الگوریتم شبکه عصبی در نرم افزار متلب پیاده سازی و الگوریتم ANFIS با دقت 93درصد نسبت به داده های ورودی، انتخاب شده است. یافته ها: با توجه به داده های بازپرداخت موجود در صندوق نوآوری و شکوفایی، مدل فازی عصبی نهایی آزمون شد. نتایج آزمون و ارزیابی مدل، در 85درصد از موارد، نحوه عملکرد شرکت ها در بازپرداخت منابع را به صورت صحیح تشخیص داد و تضامین (وثایق ملکی و/یا ضمانت نامه بانکی) متناسب با آن ها را پیشنهاد کرد. نتیجه گیری: مدل معرفی شده در این پژوهش، برای ارزیابی و اعتبارسنجی و تعیین تضامین طرح های فناورانه و شرکت های دانش بنیان معرفی شده است که ضمن تسهیل دستیابی آن ها به منابع مالی، به مدیریت ریسک عدم بازپرداخت منابع نهاد مالی نیز کمک می کند. همچنین از روش های جدید بهینه سازی بهره برده است و قابلیت یادگیرندگی نیز دارد.