احیای مالی

هدف این مقاله تبیین عوامل مالی موثر بر احیای مالی یا خروج از درماندگی است. برای تبیین عوامل مالی موثر بر احیای مالی با مروری بر مقالات مختلف 54 متغیر مورد استفاده قرار گرفت. اطلاعات 200 سال - شرکت درمانده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران که از درماندگی مالی خارج شده اند، در فاصله بین سال های 1380 - 1396 استخراج گردید. روش های آماری مناسب برای فرایند پالایش متغیرها از طریق آزمون های مقایسه میانگین زوجی و هم چنین تحلیل عاملی اکتشافی با استفاده از مولفه های اصلی انجام شده است. سپس با پالایش متغیرها با استفاده از تحلیل ممیزی و در قالب ترکیبات خطی، اقدام به تشکیل توابع ممیزی گردید. نتایج نشان داد نسبت های مالی بدهی های جاری به کل دارایی، سود خالص به فروش و فروش به دارایی جاری دارای بیش ترین قدرت تبیین خروج از درماندگی هستند.

یکی از مهمترین موضوعات حوزه مدیریت مالی، آن است که سرمایه گذاران بتوانند فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند. یکی از راهکارهای کمک به سرمایه گذاران پیش بینی احیای مالی (خروج از درماندگی) شرکت های دارای درماندگی مالی است. از این رو، این پژوهش در صدد است مدلی جهت پیش بینی احیای مالی با استفاده از الگوریتم ماشین بردار پشتیبان برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران ارائه نماید. برای دستیابی به این هدف،54 متغیر مالی با استفاده از الگوریتم انتخاب ویژگی لارس تعیین گردید و برای آزمون دقت نتایج مدل پیشنهادی از الگوریتم یادگیر ماشین بردار پشتیبان استفاده شده است. بدین منظور در دوره زمانی 1380 تا1397 اطلاعات 167 شرکت درمانده ای که از درماندگی مالی خارج و احیا شده اند، استخراج گردید. یافته های پژوهش نشان می دهد، مدل تحقیق با دقت 74% زمان احیا و خروج شرکت درمانده مالی را از درماندگی مالی به درستی پیش بینی می نماید. طبقه بندی موضوعی: G40 ، C15.

هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیش بینی احیای مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و بهره مندی از رویکرد هوش مصنوعی در تحلیل داده های مربوط به 173 شرکت درمانده احیاشده طی دوره زمانی 1383 – 1399 بود. در این رویکرد، نخست با استفاده از الگوریتم های انتخاب ویژگی های لارس و رلیف، از میانِ 54 متغیر مالیِ منتخب، 10 متغیر مهم و موثر در احیای مالی شرکت های نمونه، شناسایی شد. در ادامه، برای ارزیابی دقت نتایج متغیرهای شناسایی شده در پیش بینی احیای مالی از الگوریتم های یادگیر ماشین بردار پشتیبان و درخت تصمیم استفاده شد. نتایج نشان داد متغیرهای برگزیده با روش انتخاب ویژگی لارس و ارزیابی دقت با الگوریتم ماشین بردار پشتیبان نسبت به روش انتخاب ویژگی رلیف و ارزیابی دقت با الگوریتم درخت تصمیم، عملکرد بهتری در پیش بینی زمان خروج از درماندگی داشته است. همچنین، نتایج آشکار کرد که بدون لحاظ کردنِ روش های انتخاب ویژگی، ماشین یادگیر بردار پشتیبان در مقامِ مقایسه با درخت تصمیم، در پیش بینی زمان خروج از درماندگی، از قدرت پیش بینی بالاتری برخوردار است. براساس نتایج، به سرمایه گذاران بازار سرمایه در انتخاب پرتفوی سرمایه گذاری پیشنهاد می شود برمبنای متغیرهای مالی موثر در پیش بینی احیای مالی و ماشین یادگیر بردار پشتیبان، شرکت های مستعد خروج از درماندگی را شناسایی و اقدام به سرمایه گذاری نمایند.