مقايسه كارايي مدل‌هاي يادگيري ماشين و مدل هاي آماري در پيش بيني ريسك مالي

هدف اين پژوهش، مقايسه كارايي مدل‌هاي يادگيري ماشين (32 مدل) و مدل‌هاي آماري (14 مدل)، در پيش‌بيني ريسك مالي 145 شركت‌ پذيرفته شده در بورس اوراق بهادار تهران طي بازه زماني 1389 تا 1398 و انتخاب بهترين مدل با استفاده از تكنيك‌هاي بهينه‌سازي پيشرفته مي‌باشد. يافته‌هاي پژوهش با استفاده از آزمون مقايسه دقت ضرايب پيش‌بيني، بيانگر آن است كه با اطمينان 99 درصد، دقت پيشبيني مدلهاي يادگيري ماشين، بيشتر از مدلهاي آماري است. همچنين بهترين مدل يادگيري ماشين پس از بهينه‌سازي، مدل ماشين بردار پشتيبان تكاملي با دقت پيش‌بيني 99.86درصد و مقدار سطح زير منحني برابر0.998بوده است. علاوه بر اين، نسبت‌هاي مالي تعهدي با دقت پيش‌بيني99.45درصد و نسبت‌هاي مالي فعاليت با دقت پيش‌بيني 98.62درصد توانستند در مقايسه با ساير نسبت‌هاي مالي در استفاده از ماشين بردار پشتيبان تكاملي به منظور پيش‌بيني ريسك مالي عملكرد بهتري داشته باشند. از سوي ديگر ريسك مالي پيش‌بيني شده بر اساس صنايع مختلف، متفاوت بوده است. بنابراين مشخص شد كه مدل‌هاي يادگيري ماشين به دليل عدم برخورداري از محدوديت‌هايي كه مدل‌هاي آماري با آن مواجهه هستند مي‌توانند به عنوان ابزاري مهم، در پيش‌بيني ريسك مالي شركت‌ها به كار روند.