پیش بینی ریسک مالی شرکت بر اساس سیستم تعبیه شده و یادگیری عمیق

پیش بینی ریسک های مالی می تواند اثر مهمی بر تصمیمات مربوط به اعطای تسهیلات و سودآوری بنگاه های مالی داشته باشد. به همین دلیل، محققین به طور مستمر نسبت به توسعه مدل های پیش بینی ریسک ورشکستگی مالی اقدام می کنند که بررسی سیر تکاملی این مدل ها خود گویای اهمیت این موضوع است. ازاین جهت، تاکنون مدل های متنوعی که هرکدام ازنظر متغیرهای پیش بینی کننده و تکنیک ها متفاوت اند، ارائه شده اند و در پژوهش حاضر با توجه به اینکه به پیش بینی ریسک مالی شرکت بر اساس یادگیری عمیق پرداخته می شود. ابتدا، روش های ارزیابی ریسک اعتباری موجود از نظر انتخاب ویژگی های ذهنی و دلخواه و اثربخشی ضعیف روش های ارزیابی خطی در این مطالعه تحلیل می شوند. در مرحله دوم، اهمیت ارزیابی می شود. سپس، XGBoost ویژگی و نقش انتخاب ویژگی در مدل های ارزیابی ریسک اعتباری از طریق انتخاب ویژگی، XGBoost تایید می شود. پس از انتخاب ویژگی توسط SCF نقش ویژگی های دیجیتال برای ارزیابی ریسک اعتباری در شرکت و موقعیت ROA پنج ویژگی مهم به عنوان گردش حساب های دریافتنی شرکت، گردش سرمایه در گردش شرکت،شرکت انتخاب شدند که دقت ریسک را بهبود بخشید. در نهایت، با مقایسه گنجاندن و حذف ویژگی های ERP های استفاده دیجیتالی شرکت ها، دریافتیم که ویژگی های دیجیتال برای اثر ارزیابی ریسک اعتباری تامین مالی زنجیره تامین دیجیتال مهم هستند و مدل با گنجاندن ویژگی های دیجیتال به عنوان شاخص ارزیابی با نرخ با ۳.۷ درصد افزایش از دقت بالاتری برخوردار است.