پيش‌بيني ورشكستگي مالي شركت هاي بورس اوراق بهادار تهران با استفاده از شبكه‎هاي عصبي مصنوعي

Predicting corporate bankruptcy using Artificial Neural Networks (ANN) in Tehran Stock Exchange (TSE)

هدف اصلي اين مقاله پيش‎بيني ورشكستگي مالي شركت‎ها در بورس اوراق بهادار تهران به وسيله‎ي شبكه‎هاي عصبي مصنوعي است. مقادير ميانگين مربوط به نسبت‎هاي مالي كليدي در پژوهش‎هاي صورت گرفته در پيشينه موضوع به‎عنوان ورودي شبكه‎هاي عصبي انتخاب شده‎اند. شبكه عصبي به‎كار گرفته شده در اين مقاله از نوع پرسپترون چند لايه است كه به روش الگوريتم پس انتشار خطا آموزش ديده‎اند و شامل شبكه عصبي پيش‎خور سه لايه با تركيب (1 : 4 : 5) در آرايش نرون‎هاي ورودي، مياني و خروجي است. نمونه مورد نظر شامل دو گروه شركت‎هاي ورشكسته و غير ورشكسته است. گروه ورشكسته بر مبناي ماده 141 قاتون تجارت طي سال‎هاي 1378 لغايت 1385 انتخاب شده‎اند و گروه غيرورشكسته نيز به‎صورت تصادفي انتخاب شده‎اند. مجموعه‎اي مساوي از داده‎هاي فوق با استفاده از شبكه‎هاي عصبي و تحليل تمايزي چندگانه مورد تحليل قرار گرفتند. مقايسه توانمندي پيش‎بيني‎هاي شبكه عصبي و تحليل تمايزي چندگانه نيز ارايه شده است. همچنين صحت پيش‎بيني شبكه‎هاي عصبي با استفاده از نمودار ROC ارايه شده است. نتايج نشان دادند كه تفاوت معناداري بين MDA و ANN وجود دارد. همچنين طبق نتايج كم بودن خطاي نوع اول بر خطاي نوع دوم پيش‎بيني اولويت دارد.

Abstract: The main purpose of this paper is prediction of TSE corporate financial bankruptcy using Artificial Neural Networks. The mean values of key ratios reported in past bankruptcy studies were selected for neural network inputs (Working capital to total assets, Net income to total assets, Total debt to total assets, Current assets to current liabilities, Quick assets to current liabilities). The neural network used in this paper is Multilayer Perceptron (MLP) that trained with back propagation algorithm, and contained three-layer feed forward neural network with 5,4,1 number of neurons in input, hidden and output layer respectively. The samples of this paper consist of bankrupt and non-bankrupt groups. Bankruptcy group was Manufacturing Corporations that were included Article 141 of Mercantile law within 1378-1385 and non-bankruptcy group selected by random sampling. The same set of data is analyzed using more traditional method of bankruptcy prediction, multivariate discriminate analysis. A comparison of the predictive abilities of both the neural network and the discriminate analysis method was presented. Also, prediction accuracy of neural network is presented by ROC curve. The results showed that there is significant difference between MDA and ANN, Also, according to the results, lower error type 1 has priority to error type 2.