بررسي نظام‌مند مدل‌هاي پيش‌بيني ورشكستگي

هدف: هدف پژوهش حاضر بررسي نظام‌مند مدل‌هاي پيش‌بيني ورشكستگي در راستاي ايجاد مدلي است كه به‌عنوان راهنمايي براي انتخاب ابزار مناسب كه بهترين انطباق را با داده‌هاي موجود و معيارهاي كيفيت مدل‌هاي پيش‌بيني ورشكستگي دارد عمل كند.روش‌شناسي پژوهش: براي انجام اين پژوهش، جستجوي سيستماتيك از database (web of Science) با استفاده از كليدواژه‌هاي Bankruptcy، Default، Distress، Failure، Forecasting، Predicting، Prediction و Insolvency بين سال‌هاي ۲۰15 لغايت 2023 صورت پذيرفت. باتوجه‌به معيارهاي ورود و خروج تعريف‌شده، حاصل اين جستجو 1000 مقاله بود كه درنهايت 49 مقاله از ميان آن‌ها انتخاب و مورد تجزيه‌وتحليل قرار گرفت. سپس يافته‌هاي به‌دست‌آمده از مقالات، در جداول خلاصه‌سازي وارد گرديده و در گام بعدي، مدل‌هاي بزرگ پيش‌بيني ورشكستگي بر اساس 9 معيار كليدي با يكديگر مقايسه و نتيجه‌گيري نهايي به عمل آمد.يافته‌ها: شبكه عصبي مصنوعي و ماشين‌هاي بردار پشتيبان داراي بيشترين دقت مي‌باشند درحالي‌كه تحليل شخصيتي چندگانه داراي كمترين دقت است. همچنين شبكه عصبي مصنوعي و تحليل شخصيتي چندگانه، درخت تصميم‌گيري و رگرسيون لجستيك به نمونه آموزشي بزرگي نياز دارند تا الگويي را منطقاً شناسايي كرده و طبقه‌بندي بسيار دقيقي ارائه دهند؛ اما استدلال مبتني بر مورد، مجموعه‌هاي راف و ماشين‌هاي بردار پشتيبان مي‌توانند با اندازه نمونه‌هاي كوچك كار كنند.اصالت / ارزش‌افزوده علمي: نتايج اين پژوهش به درك كامل ويژگي‌هاي ابزارهاي مورداستفاده براي توسعه مدل‌هاي پيش‌بيني ورشكستگي و كاستي‌هاي مربوط به آن‌ها كمك مي‌كند.