رتبه بندي شركتهاي توليدي در بورس اوراق بهادار تهران با استفاده از مدلهاي تصميم گيري با معيارهاي چندگانه و شبكه عصبي مصنوعي

Credit rating of manufacturing corporations in Tehran stock exchange withmulti-criteriadecision-makingandartificial neural network models

اين مقاله به رتبه بندي اعتباري شركتهاي توليدي حاضر در بورس تهران پرداخته است.در اين راستا نسبت هاي مالي 181 شركت توليدي بورسي در طي 3 سال از روي صورتهاي مالي آنها استخراج شده است.اين نسبت هاي مالي، بيانگر ميزان توانايي پرداخت اصل و فرع تسهيلات مي باشند. ابتدا 50 شركت انتخاب و توسط روش تاپسيس رتبه بندي مي شود. نسبت هاي مالي به عنوان معيار و وزن هاي هر معيار توسط روش آنتروپي شانون معلوم مي شوند. سپس با اين رتبه بندي ،شركت ها به 4 طبقه تقسيم بندي مي شوند.اين دسته بندي به شبكه عصبي مصنوعي آموزش داده مي شود وتابع شبكه عصبي بعد از آموزش مورد تست قرار مي گيرد. نتايج آماري حاكي از دسته بندي قوي شبكه مي باشد.سپس همه شركت هاي موجود در اين پژوهش توسط شبكه عصبي دسته بندي مي شوند.در نهايت نيز نظر خبره توسط پرسشنامه جمع آوري مي شود و با نتايج شبكه عصبي مقايسه مي شود كه بيانگر اين موضوع مي باشد كه نتايج شبكه عصبي بسيار نزديك به نظر خبره مي باشد.

This paper is investigated the credit rating of manufacturing firms in Tehran Stock Exchange. In this regard, have been extracted financial ratios of public stock companies during the three years from the financial statements. This financial ratios indicates the ability to pay principal and interest of loan. Initially, 50 companies were selected and ranked by the TOPSIS method. Financial ratios are as a criterion and weight of the each criterion are determined by using Shannon entropy method. Then the ranking, companies are classified into four categories. The artificial neural network is trained to classify and after training the neural network are tested. Statistical results show robust classification of neural network. Then all the companies included in this study are classified by neural network.