پيش بيني ورشكستگي مالي شركت‌هاي بورس اوراق بهادار با استفاده از شبكه عصبي مصنوعي و الگوريتم كرم شب‌تاب

Financial Bankruptcy prediction using artificial neural network and firefly algorithms in companies listed in Tehran Stock Exchange

با پيش بيني نابساماني مالي، پيشگيري ها و اقدامات مقتضي لازم توسط مديران و سرمايه گذاران انجام شود. پژوهش حاضر، دو مدل پيش بيني ورشكستگي با استفاده از شبكه عصبي و الگوريتم فراابتكاري كرم شب تاب در بورس اوراق بهادار تهران، آزمون و نتايج با هم مقايسه مي شود. براي اجراي آزمون ابتدا يك مقادير اوليه براي وزن ها و باياس هاي شبكه تعيين شده و سپس در طي پروسه بهينه سازي، جمعيتي از وزنها و باياس هاي مختلف توسط الگوريتم كرم شب تاب توليد مي شوند. تابع تبديل مورد استفاده در لايه خروجي از نوع خطي و براي لايه مياني يك تابع غيرخطي سيگمويدي انتخاب شده است. براي انجام اين پژوهش داده هاي 79 شركت در بازه زماني 1391 تا 1394 گردآوري و با به كارگيري الگوريتم هاي شبكه عصبي پس انتشار و كرم شب تاب تجزيه و تحليل شدند. يافته هاي اين پژوهش نشان مي دهد كه شبكه عصبي بهينه شده بوسيله الگوريتم كرم شب تاب عملكرد بهتري نسبت به شبكه عصبي پس انتشار خطا در پيش بيني ورشكستگي شركت هاي نمونه دارد. همچنين الگوريتم كرم شب تاب به خوبي نسبت بين شركت هاي ورشكسته و عدم ورشكسته را همانند داده هاي واقعي حفظ كرده است.

By anticipating financial turmoil, it is possible to take the necessary precautions before financial distress occurs by managers and investors. This study compares two algorithms for prediction of bankruptcy using Artificial Neural Network (ANN) and Neural network optimized metaheuristic Firefly Algorithm (FA). To run test, first initial values are set for the network weights and biases and then during the optimization process, a population of different weights and biases is generated by FA algorithm. The conversion function used in the output layer is linear and for the middle layer a non-linear sigmoid function is selected. To conduct this research, the data of 79 companies listed on TSE during 2012 to 2015 were collected and analyzed statistically by backpropagation neural network and FA algorithms. The results show that FA, compared to ANN predicted the companies’ bankruptcy much better. Also, FA Algorithm maintains a good correlation between bankrupt and non-bankrupt companies, just like real data.