تاثير اطلاعات سرمايه در گردش در پيش‌بيني درماندگي مالي بر مبناي تركيب شبكه‌ عصبي مصنوعي و الگوريتم تجمعي حركت ذرات

با وجود اين واقعيت كه مديريت سرمايه در گردش در درماندگي مالي نقشي محوري دارد؛ اما مطالعات انجام‌شده در اين زمينه، تاكنون درك عميقي‌ از چگونگي تأثيرگذاري اطلاعات سرمايه در گردش بر درماندگي مالي را فراهم نكرده‌ است؛ از اين رو هدف اصلي اين پژوهش بررسي تاثير اطلاعات سرمايه در گردش در پيش‌بيني درماندگي مالي بر مبناي تركيب شبكه‌ عصبي مصنوعي و الگوريتم بهينه‌سازي حركت تجمعي ذرات است. نمونۀ آماري متشكل از 120 شركت پذيرفته‌شده در بورس اوراق بهادار تهران براي دورۀ زماني 1387 تا ۱۳۹۸ است. در راستاي دستيابي به اهداف پژوهش، ابتدا 28 متغير اثرگذار بر درماندگي مالي انتخاب و سپس با استفاده از روش رگرسيون لجستيك پيش‌رو مدل برآورد و 5 متغير تاثيرگذار انتخاب گرديد. در گام بعد، به منظور بررسي محتواي اطلاعاتي مديريت سرمايه در گردش به مقايسه مدل پژوهش با توجه و بدون توجه به متغير مديريت سرمايه در گردش بر مبناي تركيب شبكه‌هاي عصبي مصنوعي و الگوريتم بهينه‌سازي حركت تجمعي ذرات پرداخته شده‌است. نتايج مقايسه دو مدل نشان داد توسعه مدل پژوهش، خطاي آموزش شبكه عصبي با الگوريتم حركت تجمعي ذرات را بـه مقـدار 0/0641 كـاهش مي‌دهد. همچنين، با توسعه مدل پژوهش، از طريق وارد كردن متغير مديريت سرمايه در گردش، سطح زيرمنحني راك به 0/6248 افزايش مي‌يابد و در نتيجه، بر دقت مدل پژوهش تا 70/53 درصد افزوده مي‌شود. همچنين نتايج، افزايش قدرت مدل توسعه يافته پژوهش را نشـان مـي‌دهـد؛ امـا نتيجه آزمون ضعيف است و نشان مي‌دهد مدل توسعه‌يافته پژوهش نيز در تفكيك شـركت‌هـا به دو گـروه درمانده و غير درمانده مالي، كمابيش يك مدل تصادفي است