بررسي كارايي توابع شعاع مدار در كاربرد مدل شبكه هاي عصبي براي پيش بيني ورشكستگي

توسعه بازارهاي مالي و متعاقب آن بروز بحران هاي اقتصادي و مالي در سطح بين الملل و ملي موجب تأثيرگذاري بذر محيط كسب و كار مي شود و از آنجايي كه آينده وضعيت مالي شركت ها براي گروه هاي مختلف ذينفع مهم تلقي مي گردد، پيش بيني ورشكستگي مي تواند به عنوان ابزاري تأثير گذار در جهت كمك به آن ها مورد استفاده قرار گيرد. روش هاي پيش بيني به طور مداوم در حال تكامل هستند و امروزه شبكه هاي عصبي مصنوعي جايگاه ويژه اي در بين اين روش ها پيدا كرده است، از اين رو پژوهش حاضر به دنبال يافتن روش بهتر براي ساخت و آموزش شبكه هاي عصبي مصنوعي است كه منجر به پيش بيني دقيق تر در موضوع ورشكستگي شود. در اين ميان سه شبكه عصبي از نوع توابع شعاع مدار ساخته شد كه به صورت جداگانه توسط متغييرهاي مدل آلتمن (1983) ، اسمايوسكي (1984) و تركيبي آموزش داده شدند. پس از سنجش توانايي سه مدل در پيش بيني ورشكستگي با استفاده از آزمون دقيق فيشر و مك نمار، دقت آن ها مورد مقايسه قرار گرفته است. نمونه مورد آزمون شامل شركت هاي عضو بورس اوراق بهادار تهران در بين سال هاي 1383 تا 1390 مي باشد. يافته ها نشان مي دهند كه هر سه مدل توانايي پيش بيني ورشكستگي را دارند و از بين آن ها مدل آموزش يافته با متغيرهاي مدل آلتمن دقيق تر از دو مدل ديگر قادر به انجام اين امر است.