ارائه مدل پيش‌بيني ورشكستگي مبتني بر الگوريتم ژنتيك در شركت‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران

Presenting Bankruptcy Prediction Model Based on Genetic Algorithm in Accepted Firms in Tehran Stock Exchange

هدف از انجام اين پژوهش، ارائه مدلي براي پيش‌بيني ورشكستگي شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران با استفاده از الگوريتم ژنتيك براي يك سال و دو سال قبل از ورشكستگي است. جامعه آماري اين تحقيق شركت‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران مي‌باشد. دراين تحقيق نمونه موردنظر به دو گروه تقسيم شده است. بخش اول براي برآورد مدل الگوريتم ژنتيك و بخش ديگر براي تعيين اعتبار اين مدل در نظر گرفته مي‌شود. نمونه آموزشي تحقيق 150 شركت (شامل 51 شركت ورشكسته و 99 شركت غيرورشكسته) در دوره زماني 1390ـ1386 مي‌باشد. نمونه آزمايشي تحقيق نيز شامل 137 شركت در سال 1391 و 247 شركت در سال 1392 مي‌باشد. نتايج اين پژوهش بيانگر اين موضوع مي‌باشد كه اين مدل براي يك سال قبل از ورشكستگي با دقت 97/8درصد وضعيت شركت‌هاي ورشكسته و غيرورشكسته را درست پيش‌بيني مي‌كند. همچنين مدل مذكور براي دو سال قبل از ورشكستگي با دقت 97/9 درصد وضعيت شركت‌هاي ورشكسته و غير ورشكسته را درست پيش‌بيني مي‌كند.

The purpose of this research is to present a model for the bankruptcy prediction of accepted firms in Tehran stock market one or two years before it happens by using the genetic algorithm. To implement the genetic algorithm, MATLAB software has been used. Statistical society of the research includes the accepted firms in Tehran stock market. In this research, the samples are divided into two groups. The first group involves the calculation of the genetic algorithm and the second one involves credit determination of this model. Informative samples of the research include 150 firms from 1386 until 1390. Also, the experimental samples of the research include 137 firms in 1391 and 247 firms in 1392. The results of this research indicate the fact that the model is able to accurately predict the state of bankruptcy with 97.8 percent of precision about one year before the firm bankruptcy. Moreover, the model is able to predict the state of bankrupt firms two years before their bankruptcy with the precision of 97.9 percent.