نقش نسبت‎هاي مالي تصويري در پيش‌بيني ورشكستگي شركت‌ها با استفاده از مدل شبكه‌هاي عصبي كانولوشن و مقايسه آن با مدل‌هاي سنتي

هدف: هدف پژوهش حاضر، آزمون به‎كارگيري نسبت‎هاي مالي تصويري براي پيش‎بيني ورشكستگي شركت‎ها با استفاده از شبكه عصبي كانولوشن و مقايسۀ آن با مدل‎هاي سنتي است. روش: دوره زماني پژوهش 1388 تا 1397 بوده است. شركت‎هاي نمونه از بين شركت‎هاي پذيرفته شده در بورس اوراق بهادار تهران و در قالب دو گروه شامل 66 شركت ورشكسته و 66 شركت غير ورشكسته انتخاب شده‎اند. از آنجا كه كار شبكه عصبي كانولوشن شناخت تصاوير از بين تصاوير موجود است، ابتدا نسبت‎هاي مالي به‎عنوان داده‎هاي پژوهش از طريق نرم‎افزار متلب 2019 به تصوير تبديل شد، سپس به‎كمك شبكه عصبي كانولوشن و تحت معماري گوگل‎نت به تشخيص و پيش‎بيني وضعيت شركت‎هاي نمونه اقدام شد. يافته‌ها: مدل شبكه­هاي عصبي كانولوشن از روي تصاوير، با دقت 50 درصد شناخت و پيش‎بيني درستي انجام دادند. از طرفي، براي تقويت نتايج و تعيين اثربخشي فرضيه نخست، سه فرضيه ديگر نيز براي مقايسه مدل‎هاي آلتمن، اسپرينگيت و زيمسكي مطرح شد كه نتايج هر سه نشان‎دهندۀ عدم تأييد دقت بيشتر مدل كانولوشن در مقايسه با اين سه مدل بود. نتيجه‌گيري: پيشرفت در رايانه و استفاده از يادگيري عميق كه به نوعي بهبود در هوش مصنوعي محسوب مي‎شود، بر پيش‎بيني ورشكستگي از طريق نسبت‎هاي مالي تصويري تأثيرگذار است. با وجود اين، براي تحكيم نتايج آزمون فرضيۀ اول، سه مدل كاربردي پيش‎بيني ورشكستگي شامل مدل آلتمن (1983)، اسپرينگيت (1978) و زيمسكي (1984) آزمون شد كه نتايج هر سه دقت بيشتر مدل كانولوشن را در مقايسه با اين سه مدل تأييد نكرد.