زهرا پورزمانی - استادیار دانشگاه آزاد اسلامی واحد تهران مرکزی
حسن کلانتری - کارشناس ارشد حسابداری دانشگاه آزاد اسلامی واحد تهران مرکزی

امروزه پیشرفت سریع فن آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره ۱۳۸۹-۱۳۷۶، از بین شرکت های مشمول ماده ۱۴۱ قانون تجارت، ۷۲ شرکت و از بین بقیه شرکت ها نیز ۷۲ شرکت انتخاب شد. نتایج آزمون مک نمار برای تکنیک های الگوریتم ژنتیک غیرخطی و شبکه عصبی نشان می دهد که تفاوت معنی داری بین نتایج الگوریتم ژنتیک خطی و غیرخطی با شبکه عصبی وجود ندارد. اگر چه دقت پیش بینی الگوریتم ژنتیک غیرخطی(۹۰ درصد) و الگوریتم ژنتیک خطی(۸۰ درصد) بیشتر از شبکه عصبی(۷۰ درصد) است ولی این تفاوت از لحاظ آماری معنی دار نیست.

پیش بینی ورشکستگی, الگوریتم ژنتیک خطی, الگوریتم ژنتیک غیرخطی, شبکه عصبی