ارائه مدلي به منظور پيش بيني ورشكستگي شركت ها با استفاده از مكانيزم هاي حاكميت شركتي و نسبت هاي مالي

بهبود بستر اقتصادي و فضاي كسب و كار، مهم ترين عامل جلوگيري از ورشكستگي است. از اين رو، مدل هاي پيش بيني ورشكستگي با استفاده از روش هاي هوشمند اقدام به پيش بيني ورشكستگي شركت ها در آينده مي كنند. در اين پژوهش شركت هاي فعال در بورس اوراق بهادار تهران در بازه زماني 10 ساله از لحاظ ورشكستگي براساس مدل بومي شده كردستاني-تاتلي بر پايه مدل آلتمن مورد بررسي قرار گرفتند و شركت ها به تفكيك ورشكسته، سالم شناسايي شدند. داده هاي پژوهش با استفاده از داده هاي ثانويه مستخرج از صورت هاي مالي و از طريق پايگاه داده هاي سازمان بورس و بانك مركزي جمع آوري، دسته بندي و پالايش شدند. مدل هاي مورد استفاده جهت ارزيابي داده ها و پيش بيني ورشكستگي شركت ها، مدل هاي هوش مصنوعي بوده است شامل شبكه عصبي پرسپترون به عنوان روش اول، تركيب شبكه عصبي و الگوريتم ژنتيك، روش دوم و روش سوم روش نزديك ترين همسايه استفاده شده است و از نظر دقت پيش بيني نيز با هم مقايسه شدند. خروجي مدل ها حاكي از اين است كه افزودن شاخص هاي حاكميت شركتي به شاخص هاي نسبت هاي مالي باعث بهبود در نتايج نشده است. لذا نسبت هاي مالي در تعيين ورشكستگي به تنهايي قدرت پيش بيني خوبي دارند. مدل پيشنهادي اين پژوهش از لحاظ دقت، مدل تركيب شده شبكه عصبي و الگوريتم ژنتيك مي باشد كه بالاترين دقت را داشته است. الگوريتم ژنتيك نتايج بهينه ي شبكه عصبي را بهبود مي بخشد و جواب بهينه تري ارايه مي گردد.