طراحي مدل پيش بيني ريسك تجاري با استفاده از تكنيك هاي يادگيري ماشين

Designing a business risk forecasting model using machine learning techniques

پيش بيني برآورد احتمال وقوع وقايع در آينده است كه براساس اطلاعات حال و گذشته انجام مي شود، به اين ترتيب كه اولاً با ارائه هشدارهاي لازم مي توان شركت ها را نسبت به وقوع شكست تجاري هوشيار كرد تا آن ها با توجه به اين موضوع دست به اقدام هاي مقتضي بزنند و دوم اين كه سرمايه گذاران و اعتباردهندگان فرصت هاي مطلوب سرمايه گذاري را از فرصت هاي نامطلوب تشخيص دهند و منابع شان را در فرصت هاي مناسب سرمايه گذاري كنند؛ بنابراين پيش بيني ريسك تجاري شركت ها همواره يكي از موضوعات مورد توجه سرمايه گذاران، اعتباردهندگان و دولت بوده است.هدف از انجام اين تحقيق طراحي مدل پيش بيني ريسك تجاري با استفاده از تكنيك هاي يادگيري ماشين مي باشد. جامعه آماري تحقيق حاضر شركت‌هاي منتخب پذيرفته‌شده در بورس اوراق بهادار تهران در طي يك دوره نه ‌ساله بين سال‌هاي 1386-1397 مي‌باشد. نتايج آزمون فرضيه ها نشان مي دهند كه اندازه شركت، نقدينگي شركت، سودآوري شركت، فرصت رشد شركت، اندازه صنعت، تعداد شركت در صنعت بر ريسك تجاري تأثير منفي دارند در حالي كه، نسبت بدهي شركت بر ريسك تجاري تأثير مثبت و معناداري دارند. همچنين نتايج نشان مي دهند كه از لحاظ آماري، عمر شركت، غير متمركز بودن صنعت بر ريسك تجاري تأثيري ندارد. نتايج حاصل از طراحي مدل و تكنيك هاي يادگيري ماشين نشان دهنده كارآ بودن تكنيك NB و بعد از آن تكنيك SVM نسبت به ساير تكنيك هاي يادگيري ماشين مي باشد.

One way to help you capitalize on investment opportunities and better allocate resources is to anticipate business risk. Predicting the probability of future events based on present and past information, In this way, first of all, by providing the necessary warnings, companies can be alerted to the occurrence of business failure so that they can take appropriate action accordingly. an‎d second, investors and lenders distinguish favorable investment opportunities from unfavorable ones. an‎d invest their resources in the right opportunities; Therefore, predicting the business risk of companies has always been one of the topics of concern for investors, creditors and the government. The purpose of this study is to design a business risk forecasting model using machine learning techniques.. The statistical population of the present study is the selected companies listed on the Tehran Stock Exchange during a period of nine years between 2007-2018. Hypothesis test results show that firm size, firm liquidity, firm profitability, firm growth opportunity, industry size, number of firms in industry have a negative effect on business risk. Meanwhile, the company's debt ratio has a positive and significant effect on business risk. The results also show that statistically, the life of the company, the decentralization of the industry has no effect on business risk. The results of model design and machine learning techniques show the efficiency of NB technique and then SVM technique compared to other machine learning techniques.