پیش بینی لغو پذیرش شرکت ها از بورس اوراق بهادار تهران با استفاده از الگوریتم های مبتنی بر یادگیری ماشین

هدف: اخراج شرکت ­ها با وجود اهمیت در مسایل اقتصادی و اجتماعی جامعه، کم تر در ادبیات مالی مورد توجه قرار گرفته است. این موضوع از آن جهت دارای اهمیت است که برای هر کشور، یکی از معیارهای سنجش اقتصادی، حجم بازار سرمایه می ­باشد؛ بنابراین اخراج شرکت ­ها نه تنها باعث از بین رفتن اعتبار شرکت، قیمت سهام و بازار فروش سهام آن شرکت می شود بلکه بر رشد بازار و اقتصاد هر کشور نیز موثر است. پژوهش حاضر به دنبال بررسی صورت­ های مالی و گزارش حسابرسی شرکت های فعال و مقایسه آن با شرکت های لغو پذیرش شده می باشد تا به کمک فنون مدل سازی هوش مصنوعی، مدلی را برای پیش بینی شرکت های لغوپذیرش شده در بورس اوراق بهادار تهران طراحی نماید.روش شناسی پژوهش: در این پژوهش که روی شرکت های بورس اوراق بهادار تهران انجام پذیرفته است، داده­ های مربوط به سه سال قبل از اخراج ۷۳ شرکت حذف شده از بورس از سال ۱۳۸۲ تا سال ۱۳۹۷ در گروه اول و داده های ۱۴۸ شرکت فعال که به صورت مستمر در بورس حضور داشتند در گروه دوم و با روش حذفی سیستماتیک انتخاب گردیدند. سپس با تکنیک های داده کاوی که از کارآمدترین و به روزترین مدل های هوش مصنوعی هستند و به کمک طبقه بند­های شبکه عصبی پرسپترون چندلایه، درخت تصمیم، و طبقه بند نظریه بیز به پیش بینی شرکت های لغو پذیرش شده از بورس پرداخته شده است.یافته ها: یافته ها نشان می دهد بهترین عملکرد را طبقه بند بیز داشته است و شبکه عصبی پرسپترون چندلایه در جایگاه دوم و طبقه بند درخت تصمیم در جایگاه سوم قرار گرفته است.اصالت/ارزش افزوده علمی: پژوهش­ های کمی در حوزه پیش بینی اخراج شرکت­ ها از بازار سرمایه در ایران شده است. این پژوهش با پر کردن این گپ، به پژوهشگران پیشنهاد داده است با استفاده از سایر طبقه بند ها، ترکیب کردن چندین طبقه بند با یکدیگر به منظور پوشش بهتر خطاهای هر یک، ترکیب کردن طبقه بند­ها با یکدیگر و وزن دهی به روشی که دقت بالاتری داشته باشد، اضافه کردن سایر متغیرهای تاثیرگذار در اخراج شرکت­ ها از جمله ساختار مالکیت و ترکیب سهام داران می­تواند نتایج دیگری به دست آید.