پيش‌بيني درماندگي مالي با استفاده از روش تركيبي PCAANFIS و الگوريتم فراابتكاري بهينه‌سازي ازدحام كبوتر

در پژوهش حاضر يك سيستم استنتاج فازي عصبي انطباق‌پذير (ANFIS) مبتني بر تحليل مولفه‌هاي اصلي (PCA) جهت پيش‌بيني درماندگي مالي شركت‌ها پيشنهاد شده‌است. اين سيستم نه تنها توانايي سازگاري و يادگيري را دارد، بلكه خطا را نيز كاهش مي‌دهد؛ زيرا از پارامترهاي اضافي هنگامي كه متغيرهاي ورودي بيش از حد هستند، اجتناب مي‌كند. براي تأييد اثربخشي اين مدل، تعداد 181 شركت پذيرفته شده در بورس اوراق بهادار تهران (905 شركتسال) با استفاده از نمونه‌اي سيستماتيك در دوره زماني 1390 تا 1394 انتخاب شدند كه از اين تعداد، 58 شركتسال درمانده مالي و تعداد 847 شركتسال سالم بودند. اين شركت‌ها به طور تصادفي به دو مجموعه تقسيم شدند: مجموعه آموزش جهت طراحي مدل و مجموعه وارسي جهت اعتبارسنجي مدل. نتايج حاصل از پژوهش نشان مي‌دهد سيستم استنتاج فازي عصبي انطباق‌پذير (ANFIS) مبتني بر تحليل مولفه‌هاي اصلي (PCA) قابليت پيش‌بيني وقوع درماندگي مالي شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران را دارد و زمانيكه مدل پيشنهادي با الگوريتم فراابتكاري ازدحام كبوتر تركيب مي‌گردد با كاهش مقدار خطا دقت مدل افزايش مي‌يابد. بنابراين مشاهده مي‌شود كه استفاده از يك الگوريتم مكمل مي‌تواند دقت پيش‌بيني مدل PCAANFIS را افزايش دهد.