تبيين متغيرهاي مالي موثر در پيش بيني احياي مالي با استفاده از رويكرد هوش مصنوعي

هدف اصلي مقاله شناسايي متغيرهاي مالي موثر در پيش‌بيني احياي مالي شركت هاي پذيرفته‌شده در بورس اوراق بهادار تهران و بهره‌مندي از رويكرد هوش مصنوعي در تحليل داده‌هاي مربوط به 173 شركت درمانده احياشده طي دوره زماني 1383 – 1399 بود. در اين رويكرد، نخست با استفاده از الگوريتم هاي انتخاب ويژگي‌هاي لارس و رليف، از ميانِ 54 متغير ماليِ منتخب، 10 متغير مهم و موثر در احياي مالي شركت هاي نمونه، شناسايي شد. در ادامه، براي ارزيابي دقت نتايج متغيرهاي شناسايي‌شده در پيش‌بيني احياي مالي از الگوريتم هاي يادگير ماشين بردار پشتيبان و درخت تصميم استفاده شد. نتايج نشان داد متغيرهاي برگزيده با روش انتخاب ويژگي‌ لارس و ارزيابي دقت با الگوريتم ماشين بردار پشتيبان نسبت به روش انتخاب ويژگي رليف و ارزيابي دقت با الگوريتم درخت تصميم، عملكرد بهتري در پيش‌بيني زمان خروج از درماندگي داشته است. همچنين، نتايج آشكار كرد كه بدون لحاظ كردنِ روش هاي انتخاب ويژگي، ماشين يادگير بردار پشتيبان در مقامِ مقايسه با درخت تصميم، در پيش بيني زمان خروج از درماندگي، از قدرت پيش بيني بالاتري برخوردار است. براساس نتايج، به سرمايه‌گذاران بازار سرمايه در انتخاب پرتفوي سرمايه‌گذاري پيشنهاد مي‌شود برمبناي متغيرهاي مالي موثر در پيش‌بيني احياي مالي و ماشين يادگير بردار پشتيبان، شركت‌هاي مستعد خروج از درماندگي را شناسايي و اقدام به سرمايه‌گذاري نمايند.