انتخاب نسبت های مالی موثر بر پیش بینی درماندگی مالی و پیش بینی درماندگی مالی با استفاده از مدل شبکه عصبی مصنوعی و مدل رگرسیون لاجستیک (مورد مطالعه: شرکت های پذیرفته شده در بازار سرمایه ایران)(مقاله علمی وزارت علوم)
منبع:
پژوهش های تجربی حسابداری سال ۱۴ زمستان ۱۴۰۴ شماره ۵۸
129-160
حوزههای تخصصی:
هدف پژوهش حاضر، شناسایی نسبت های مالی مؤثر بر پیش بینی درماندگی مالی با استفاده از مدل-های رگرسیون انتخاب گام به گام و رگرسیون لاسو و سپس پیش بینی درماندگی مالی شرکت های پذیرفته شده در بازار سرمایه ایران با استفاده از مدل شبکه های عصبی چند لایه و مدل لاجستیک می باشد. پژوهش از نظر هدف کاربردی و از نظر روش شناسی، کمی، پس رویدادی، توصیفی و همبستگی است. جامعه آماری شامل کلیه شرکت های فعال در بازار سرمایه ایران طی سال های ۱۳۹۵ تا ۱۴۰۱ بوده که پس از غربال گری، ۱۴۸ شرکت به عنوان نمونه انتخاب شدند. متغیرهای مستقل پالایش شده اولیه شامل ۱۹ نسبت مالی در چهار گروه نقدینگی، سودآوری، اهرمی و فعالیت بودند. برای تحلیل داده ها ابتدا از آزمون های مانایی، چاو، هاسمن و سپس مدل رگرسیون پانل دیتا با اثرات ثابت استفاده شد و برای انتخاب نسبت های مالی از روش های رگرسیون گام به گام و لاسو استفاده شد که در هر دو روش، ۴ متغیر کلیدی شناسایی شدند.در گام بعدی، مدل رگرسیون لاجستیک و شبکه عصبی مصنوعی برای پیش بینی درماندگی مالی به کار گرفته شد. نتایج نشان داد شبکه عصبی با مقدار 6/92 درصد صحت بالاتری نسبت به رگرسیون لاجستیک با 48/89 درصد دارد.