نگار رضوانی

تحولات فناوری اطلاعات و ارتباطات در دهه اخیر موجب ظهور الگوهای نوین کسب وکار در صنعت در سال های اخیر، افزایش نوسانات اقتصادی، پیچیدگی ساختارهای مالی و رشد عدم قطعیت در محیط کسب وکار موجب شده است که شناسایی زودهنگام نشانه های ورشکستگی سازمان ها به یکی از موضوعات مهم در حوزه مالی و مدیریت ریسک تبدیل شود. هدف این پژوهش، طراحی یک سیستم هشدار زودهنگام ورشکستگی سازمان ها با استفاده از تحلیل کلان داده و بهره گیری هم زمان از داده های مالی و غیرمالی است. در این راستا، تلاش می شود با ترکیب اطلاعات مالی شرکت ها، داده های رفتاری، و داده های متنی گسترده، الگوهای پنهان مرتبط با احتمال ورشکستگی شناسایی شود.روش پژوهش مبتنی بر تحلیل کلان داده و استفاده از الگوریتم های یادگیری ماشین در قالب مدل های طبقه بندی است که توانایی تفکیک شرکت ها را در سه وضعیت سالم، در معرض بحران مالی و ورشکسته دارند. همچنین در این پژوهش از مراحل پیش پردازش داده، پاک سازی اطلاعات و انتخاب ویژگی های مؤثر استفاده می شود تا دقت و کارایی مدل افزایش یابد. به کارگیری این رویکرد امکان تحلیل هم زمان داده های ساختاریافته و غیرساختاریافته را فراهم می سازد.یافته های پژوهش های پیشین نشان می دهد که مدل های مبتنی بر یادگیری ماشین در مقایسه با روش های سنتی آماری از توانایی بیشتری در پیش بینی بحران های مالی برخوردارند. علاوه بر این، استفاده از کلان داده می تواند به شناسایی سریع تر نشانه های اولیه بحران کمک کند و دقت سیستم های پیش بینی را بهبود بخشد. در نهایت، این پژوهش نشان می دهد که ترکیب داده های مالی و کلان داده های رفتاری و متنی می تواند به طراحی یک سیستم هشدار زودهنگام دقیق تر، هوشمندتر و کارآمدتر در حوزه مدیریت ریسک مالی منجر شود.