پيش بيني خطر ورشكستگي با استفاده از شبكه هاي عصبي مصنوعي مبتني بر رويكرد پرسپترون چندلايه(شواهد تجربي: بورس اوراق بهادار تهران)

The Future of Bankruptcy Risk Investigation Using Artificial Neural Networks Based on Multilayer Perceptron Approach (Empirical Evidence: Tehran Stock Exchange)

زمينه: در پژوهش حاضر به شناسايي عوامل موثر بر پيش بيني ورشكستگي شركتهاي ايراني با استفاده از سيستم شبكه هاي عصبي مصنوعي (ANN) بر مبناي رويكرد پرسپترون چندلايه (PS) و ارائه يك مدل آماري مناسب به منظور برآورد ورشكستگي شركتهاي ايراني، با استفاده از يافته هاي حاصل از اجراي شبكه ANN پرداخته شده است. هدف: در پژهش حاضر به دنبال پاسخ گويي به اين پرسش هستيم كه آيا عوامل سودمند در راستاي پيش بيني ورشكستگي شركتهاي ايراني توسط سيستم شبكه عصبي مصنوعي قابل شناسايي است يا خير . روش‌ها: جامعه آماري در تحقيق حاضر تمامي شركتهاي پذيرفته شده در بورس اوراق بهادار تهران هستند كه با لحاظ نمودن معيارهايي و به روش حذف سيستماتيك تعداد 172 شركت از اين جامعه آماري در بازه زماني 1386 الي 1395 بعنوان نمونه در تحقيق حاضر انتخاب شده اند. يافته‌ها: به منظور انجام تحليل هاي آماري در پژوهش حاضر از روش سيستم شبكه هاي عصبي مصنوعي بر مبناي رويكرد پرسپترون چندلايه استفاده شده است. نتيجه‌گيري: يافته هاي حاصل از تجزيه و تحليل داده هاي پژوهش نشان مي دهد كه سيستم ANNقادر است با دقتي معادل 98 درصد عوامل تاثير گذار بر ورشكستگي شركتهاي ايراني را در سال قبل از ورشكستگي شناسايي نمايد.

The aim of this research is Identification of the effective factors on bankruptcy prediction of Iranian companies by findings of artificial neural network (ANN) system based on Multilayer Perceptron Approach (PS) , and providing an appropriate statistical model for estimating the bankruptcy of Iranian companies by using the findings of The ANN implementation. we seek to answer the following question: Are we able to design a valid statistical model by using findings of artificial neural network (ANN) system to predict the bankruptcy of Iranian companies? The statistical population in this study is all of listed companies in Tehran Stock Exchange. By considering the criteria and method of systematic deletion, 172 companies from this statistical society have been selected as the sample in this research from 1386 to 1395. In order to make statistical analyzes in this study, we used from methods such as artificial neural network system based on multilevel perceptron approach, binary logistic regression, and tests such as Akaic, Schwarz, Hanan Quinn and Z wang test. The results of the analysis of the research data show that the ANN system can identify of the factors affecting on bankruptcy of Iranian companies in the year before bankruptcy by Precision equal 98%.