ارزيابي ريسك اعتباري با استفاده از مدل تركيبي شبكه عصبي بازشناسي الگو و الگوريتم مورچگان

ميزان قابل‌توجه زيان مالي بالقوه ناشي از بازپرداخت نكردن تعهدهاي وام‌گيرندگان است، و توسعه و بهبود روش‌هاي اندازه‌گيري ريسك اعتباري براي كاهش زيان مالي ناشي از نكول وام‌گيرندگان به موضوعي اجتناب ناپذير در ادبيات مالي تبديل شده است. هدف مدل‌هاي پيش‌بيني ورشكستگي، برآورد احتمال نكول شركت يا شخص در يك دوره زماني است. در پژوهش حاضر، از داده‌هاي شركت‌هاي حاضر در بورس اوراق بهادار تهران و فرابورس در سال‌هاي 1395-1370 استفاده مي شود و با نمونه‌اي از ۲۱۸ شركت، الگوريتم كلوني مورچگان براي تعيين موثرترين عوامل ريسك اعتباري و روش شبكه عصبي بازشناسي الگو براي طبقه‌بندي و ارزيابي ميزان دقت پيش‌بيني ورشكستگي استفاده مي شود. نسبت‌هايي شامل سود قبل از بهره و ماليات به فروش كل، كل حقوق صاحبان سهام به كل بدهي، نسبت جاري، نسبت وجه نقد، و نسبت حقوق صاحبان سهام به دارايي كل به عنوان موثرترين عوامل شناسايي مي شوند. مدل نهايي قادر به پيش‌بيني وضعيت اعتباري شركت‌ها، با دقت بالاتري نسبت به متوسط دقت مدل‌هاي متداول موجود با استفاده از داده‌هاي سال قبل، دو سال قبل، و سه سال قبل از سال هدف برآورد است.