پيش‌بيني ورشكستگي شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران با استفاده از درخت تصميم و رگرسيون لجستيك

Bankruptcy Prediction of Companies listed Corporations in Tehran Stock Exchange by Using Decision Tree and Logistic Regression

هدف اصلي اين مقاله پيش‌بيني ورشكستگي اقتصادي شركت‌ها در بورس اوراق بهادار تهران با استفاده از درخت تصميم (CART) و رگرسيون لجستيك است كه از تكنيك‌هاي داده كاوي هستند و مي‌توانند به امر پيش‌بيني كمك كنند. نسبت‌هاي مالي به عنوان متغيرهاي مستقل و شركت‌هاي سالم و ورشكسته به عنوان متغير وابسته پژوهش استفاده شده است. جامعه آماري اطلاعات صورت‌هاي مالي شركت‌ها در بورس اوراق بهادار تهران طي سال‌هاي 1378تا 1389 است. در اين پژوهش از نمونه‌گيري استفاده نشده است و شركت‌ها شامل دو گروه سالم و ورشكسته است گروه ورشكسته بر مبناي ماده 141 قانون تجارت و زيان خالص انتخاب شده‌اند و گروه غير ورشكسته بر اساس معيار سود‌دهي انتخاب شده‌اند. يافته‌هاي تحقيق حاكي از آن است كه هر دو مدل درخت تصميم و رگرسيون لجستيك توانايي پيش‌بيني ورشكستگي را با دقت‌هاي متفاوت دارا هستند و سطح زير منحني ROC در مدل رگرسيون لجستيك بيشتر از مدل درخت تصميم است و از عملكرد بهتري برخوردار است.

The main goal of this study is the prediction of companies listed in Tehran Stock Exchange using decision tree and logistic regression, which are data mining methods and can help facilitate prediction. Financial ratios are independent variables and healthy and bankrupt companies are dependent variables. Statistical population of the research is information about financial statements of companies listed in Tehran Stock Exchange during 1999 – 2010. No sampling was used in this study; we have two groups of healthy and bankrupt companies. Bankrupt companies group was selected based on article 141 of Commercial law and the healthy group was selected based on profitability criteria. Results suggest that both decision tree and logistic regression methods predict bankruptcy with different accuracy. Area under ROC curve in logistic regression model is more than in decision tree model.