عیسی نوروزی یان لکوان

هدف: پیش بینی درماندگی مالی شرکت ها، یکی از مهم ترین مسائل تحقیقاتی در حوزه مدیریت ریسک بوده و همواره در کانون توجه بانک ها، شرکت ها، مدیران و سرمایه گذاران قرار داشته است. هدف اصلی این پژوهش ارائه یک مدل پیش بینی کننده با عملکرد بالا و مقایسه نتایج به دست آمده از آن با سایر مدل های رایج در پیش بینی درماندگی مالی است. روش: به همین منظور از روش های انتخاب ویژگی پی درپی پیشرو شناور که مدل تعمیم یافته روش انتخاب ویژگی پیشرو پی درپی بوده و از دسته روش های پوشش دهنده است و روش انتخاب ویژگی پیشرو پی درپی در ترکیب با ماشین بردار پشتیبان استفاده شد. این مدل ها از نوع مدل های ترکیبی انتخاب ویژگی و طبقه بندی کننده هستند. همچنین در این پژوهش از مدل رگرسیون لجستیک که یکی از مدل های آماری طبقه بندی است نیز استفاده شده است. یافته ها: پس از بررسی نسبت های مالی مهم در نهایت 29 نسبت مالی که در تحقیقات گذشته بیشتر استفاده شده بودند، انتخاب گردیند. آزمون مقایسات زوجی نشان می دهد که دقت مدل پیشنهادی این پژوهش با سطح اطمینان 95 درصد بهتر از دیگر مدل های استفاده شده در این پژوهش می باشد. نتیجه گیری: نتایج نشان داد که مدل پیشنهادی این تحقیق در یک سال، دو سال و سه سال قبل از درماندگی مالی به طور معناداری از عملکرد بهتری در پیش بینی درماندگی مالی نسبت به روش انتخاب ویژگی پیشرو پی درپی و مدل رگرسیون لجستیک برخوردار است.

پیش بینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، مؤسسه های اعتباری و بانک ها به آن توجه کرده اند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدل های ترکیب شده انتخاب ویژگی و مدل طبقه بندی کننده، از مسائلی است که فقط در سال های اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین بردار پشتیبان با چهار تابع کرنل خطی، چند جمله ای، شعاعی و سیگمویید به عنوال مدل طبقه بندی کننده و ترکیب آن با روش های انتخاب ویژگی فیلترکننده و پوشش دهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روش های پوشش دهنده انتخاب ویژگی است و روش های آنالیز اجزای اساسی، زنجیره اطلاعات و رلیف که جزء روش های فیلترکننده انتخاب ویژگی هستند، استفاده شده است. نتایج به دست آمده نشان داد که روش الگوریتم ژنتیک نسبت به روش های فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چند جمله ای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان 95 درصد تفاوت معناداری با هم ندارند.