الگوي پيش بيني ورشكستگي صنايع كوچك با استفاده از روش تلفيقي الگوريتم گرگ خاكستري و الگوريتم پرسپترون چند لايه

Small industry bankruptcy prediction model using gray wolf algorithm and multi-layer perceptron algorithm

ورشكستگي يا شكست مالي شركت ها يك پديده ناخواسته است كه بر صاحبان مشاغل، ساير ذينفعان و دولت تأثير منفي مي گذارد. از اين رو، پيش‌بيني ورشكستگي در تحليل‌هاي مالي از اهميت بالايي برخوردار است و در دهه‌هاي اخير به طور گسترده مورد مطالعه قرار گرفته است. به تازگي، شواهد نشان داده است شركت هايي كه در معرض ورشكستگي قرار دارند، ارزش بازار آن ها به شدت كاهش مي يابد. اين موضوع باعث مي شود مديران، سرمايه گذاران، بانك ها و مؤسسات مالي و اعتباري و ساير گروه هاي داراي منافع به شدت تحت تأثير ورشكستگي شركت ها قرار گيرند. زيرا شكست مالي يك شركت مي تواند زيان هاي فراواني به افراد و گروه هاي مرتبط تحميل كند. از اين رو، اين گروه ها نه تنها علاقمند هستند بدانند كه آيا يك شركت ورشكسته خواهد شد يا نه، مي خواهند زمان احتمالي اين اتفاق را بدانند. يكي از پركاربردترين تحقيقاتي كه در زمينه شرايط مالي شركت‌ها انجام مي شود پيش بيني زمان ورشكستگي قبل از وقوع و اعلام رسمي مي‌باشد. در سال هاي اخير استفاده از روش هاي مبتني بر هوش مصنوعي و بخصوص يادگيري ماشين مبتني بر پيش بيني، مورد توجه بسياري از محققان قرار گرفته است. از اين رو در اين پژوهش يك روش تركيبي الگوريتم هاي فراابتكاري و شبكه عصبي مصنوعي ارائه شده كه ابتدا به منظور انتخاب ويژگي، با استفاده از الگوريتم گرگ خاكستري روي مجموعه داده، 11ويژگي با دقت 93.87 انتخاب گرديد. سپس از الگوريتم پرسپترون چند لايه به منظور طبقه بندي و تخمين وضعيت شركتها استفاده شد. در نهايت نتايج نشان داد مدل پيشنهاد مي تواند ورشكستگي شركتها را با صحت 91.36 درصد پيش بيني نمايد.