تدوين الگوهاي پيش بيني كننده بحران مالي با استفاده از تجزيه و تحليل دروني داده ها و تكنيك هاي هوش مصنوعي

The compilation of predicting patterns of financial distress using internal analysis data and artificial intelligent techniques’’

يكي از ابزارهاي تصميم گيري استفاده كنندگان برون سازماني از قبيل سرمايه گذاران، اعتباردهندگان، شركت هاي تجاري و همچنين موسسات دولتي تصميم گيري در خصوص سرمايه گذاري، اعطاي اعتبار و ... تجزيه و تحليل صورت هاي مالي شركت ها مي باشد. با توجه به پيشرفت سريع فناوري و تكنولوژي هاي كامپيوتري مي توان اطلاعات دقيق تري نسبت به اطلاعات سنتي در اختيار تصميم گيرندگان قرار داد. تا بتوانند تصميم گيري هاي مناسب تري را در خصوص احتمال برگشت سرمايه و يا وقوع بحران مالي قبل از وقوع و تحمل هزينه هاي سنگين اتخاذ نمايند. هدف اين تحقيق تدوين مدل هاي پيش بيني كننده بحران مالي براي شركت هاي پذيرفته شده در بورس اوراق بهادار تهران با استفاده از نسبت هاي مالي و تكنيك هاي هوش مصنوعي مي-باشد. از اين رو اطلاعات مالي مربوط به دوره زماني 1370 الي 1388 جمع آوري و نسبت هاي مالي مورد نظر استخراج و الگوهاي شبكه عصبي ANN، تركيب آناليز مولفه هاي اصلي و شبكه عصبيPCA+ANN براي پيش بيني بحران مالي يك، دو و سه سال قبل از وقوع آن تدوين شده است. سپس با توجه به نتايج بدست آمده، الگوها با يكديگر مقايسه و بهترين الگو استخراج شده است. با توجه به نتايج آزمون مشخص گرديد الگوي شبكه عصبي با استفاده از اطلاعات يك سال قبل از وقوع نسبت به ساير تكنيك هاي اين پژوهش و ساير سال هاي مالي داراي كارايي بيشتري در پيش بيني بحران مالي شركت ها مي باشد.

One of external user’s decision making tools such as investors, creditors, trade companies and state organization is decision making about investment, crediting…, and financial statement analysis of the companies. Respecting rapid development of computer technology and techniques, more exact information can be provided for decision maker’s than traditional information in order to be able to make more efficient decisions about probable of return on investment and/or financial distress occurrence before occurring and suffering the high expenses. The aim of this study is to make a financial distress predicting model for listed companies’ in Tehran stock exchange using financial proportions and artificial intelligent techniques. So financial information relevant to time period 2001 to 2009 is compiled and expected financial proportions’ are extracted and neural network patterns (ANN), principal component analysis combination, and neural network PCA +ANN have been compiled to predict the financial distress one or more years before the occurring. Then according to obtained results, These patterns have been compared and the best pattern has been chosen .In accordance with the results, It is distinguished that the neural net work using the information One year before financial distress occurring has more efficiency in predicting the financial distress of the companies rather than other techniques in this research and other financial years.