محمدرضا نیک بخت - دانشگاه تهران
مریم شریفی - دانشگاه تهران

هدف اصلی این مقاله پیش‎بینی ورشکستگی مالی شرکت‎ها در بورس اوراق بهادار تهران به وسیله‎ی شبکه‎های عصبی مصنوعی است. مقادیر میانگین مربوط به نسبت‎های مالی کلیدی در پژوهش‎های صورت گرفته در پیشینه موضوع به‎عنوان ورودی شبکه‎های عصبی انتخاب شده‎اند. شبکه عصبی به‎کار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیده‎اند و شامل شبکه عصبی پیش‎خور سه لایه با ترکیب (۱ : ۴ : ۵) در آرایش نرون‎های ورودی، میانی و خروجی است. نمونه مورد نظر شامل دو گروه شرکت‎های ورشکسته و غیر ورشکسته است. گروه ورشکسته بر مبنای ماده ۱۴۱ قاتون تجارت طی سال‎های ۱۳۷۸ لغایت ۱۳۸۵ انتخاب شده‎اند و گروه غیرورشکسته نیز به‎صورت تصادفی انتخاب شده‎اند. مجموعه‎ای مساوی از داده‎های فوق با استفاده از شبکه‎های عصبی و تحلیل تمایزی چندگانه مورد تحلیل قرار گرفتند. مقایسه توانمندی پیش‎بینی‎های شبکه عصبی و تحلیل تمایزی چندگانه نیز ارایه شده است. همچنین صحت پیش‎بینی شبکه‎های عصبی با استفاده از نمودار ROC ارائه شده است. نتایج نشان دادند که تفاوت معناداری بین MDA و ANN وجود دارد. همچنین طبق نتایج کم بودن خطای نوع اول بر خطای نوع دوم پیش‎بینی اولویت دارد.

الگوریتم یادگیری پس انتشار خطا (BP), بورس اوراق بهادار تهران., پیش بینی ورشکستگی, مدل شبکه‎های عصبی مصنوعی (ANN)