طراحي و تبيين الگوي پيش بيني ورشكستگي شركت ها برحسب صنايع منتخب با استفاده از الگوي درخت تصميم

A Firms' Bankruptcy Prediction Model Based on Selected Industries by Using Decision Trees Model

سرمايه گذاران همواره به دنبال كسب اطلاعات درباره گزينه هاي سرمايه گذاري خود براي سرمايه گذاري مطلوب و تخصيص بهينه منابع خويش هستند. پيش بيني ورشكستگي شركت ها يكي از مهمترين موضوعاتي است كه سرمايه گذاران را در اين راه ياري مي كند. پژوهش هاي زيادي در حوزه پيش بيني ورشكستگي انجام شده است؛ با اين حال، بيشتر آنها الگويي كلي براي تمامي صنايع به صورت واحد ارائه كرده اند. هدف اصلي اين پژوهش آن است كه الگوي پيشبيني ورشكستگي مناسب براي صنايع خوردو و ساخت قطعات، محصولات شيميايي و محصولات غذايي به جز قند و شكر، خاص هر صنعت طراحي و تبيين شود. اين الگو از درخت تصميم براي پيش بيني استفاده مي كند. براي تعيين ورشكستگي شركت ها از معيار ماده 141 قانون تجارت استفاده شده است. قلمرو زماني اين پژوهش را سالهاي 1380 تا 1392 تشكيل مي دهد. نتايج پژوهش نشان مي دهد الگوي طراحي شده براي صنايع خودرو و ساخت قطعات، محصولات شيميايي، محصولات غذايي به جز قند و شكر به ترتيب، دقت پيش بيني 95/95، 96/83 و 97/83 درصد را دارد كه اين اعداد، دقت زياد الگوي طراحي شده را براي اين سه صنعت (به ويژه براي صنعت محصولات غذايي به جز قند و شكر) نشان مي دهد.

Investors are always looking for information about their investment choices to have a favorable investment and an optimized allocation of their resources. Bankruptcy prediction of the firm is one of the most important subjects that can help investors in this way. Many studies have been done in the field of bankruptcy prediction. However, the majority of them provide a general model for all industries as a unit. The main objective of this study is presenting a bankruptcy prediction model, specific for each industry, for three industries including automobile and parts manufacturing, chemical products, and Food, except for sugar products, using decision trees model. To determine bankruptcy of the firm we used the criteria of Article 141 in Commercial Code. This research was performed from 2002 to 2014. The results show that the designed model has a prediction accuracy of 95.95, 96.83 and 97.83 percent for automobile and parts manufacturing industry, chemical products industry, and Food, except for sugar products industry, respectively. These findings reflect high accuracy of these three models, especially for Food, except for sugar products industry.