مقایسه الگوریتم مورچگان با روش های تحلیل تمایزی چندگانه و لوجیت در پیش بینی درماندگی مالی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این تحقیق، مدل الگوریتم مورچگان با دو مدل پارامتریک تحلیل تمایزی چندگانه و لوجیت برای پیش بینی درماندگی مالی مقایسه شده است، ضمن آنکه ازمدل ها برای داده کاوی متغیرهای برتر در پیش بینی درماندگی مالی استفاده شده است وداده های 130 شرکت در بین سالهای 84 تا89 در قالب دو آزمایش بکارگرفته شد.
آزمایش اول مبتنی می باشد بر 130سال- شرکت از طول دوره تحقیق، مشتمل بر 40 سال- شرکت درمانده مشمول ماده 141 و 90سال- شرکت غیردرمانده که مشمول ماده141 نبوده اند.
از بررسی های این آزمایش بر پایه 15 متغیر با داده کاوی هر سه روش تحقیق، متغیرهای برتر مدل ها بدست آمد که عبارتند از سود قبل از هزینه مالی و مالیات به کل دارایی ها و نسبت حقوق صاحبان سهام به کل دارایی ها.
بر اساس متغیرهای برتر آزمایش اول، به آزمون دوم پرداخته شد که مبتنی بر نمونه ای بوده است مشتمل بر همه شرکت های آزمایش اول در همه سالهای دوره تحقیق که در بورس حضور داشتند و شامل 718 سال - شرکت می شدند.
درصدموفقیت پیش بینی درماندگی مالی برای الگوریتم مورچگان96.94%(درمانده:95.21%، غیردرمانده:97.38%)، برای تحلیل تمایزی چندگانه95.82%(درمانده: 82.88%، غیردرمانده: 99.13%) و برای لوجیت97.08%(درمانده: 88.36، غیردرمانده: 99.30) بدست آمده است.
نتایج نشان می دهد که در سطح 5% اهمیت، مدل مورچگان برتر ازتحلیل تمایزی می باشد و در سطح 9% ، برتر از لوجیت می باشد.