بررسی کاربرد مدل شبکه های عصبی برای پیش بینی ورشکستگی دربازار سرمایه ایران

توسعه بازارهای مالی و متعاقب آن بروز بحران های اقتصادی و مالی در سطح بین الملل و ملی موجب تأثیرگذاری بر محیط کسب و کار می شود و از آنجایی که آینده وضعیت مالی شرکت ها برای گروه های مختلف ذینفع مهم تلقی می گردد، پیش بینی ورشکستگی می تواند به عنوان ابزار تاثیر گذار در جهت کمک به ذینفعان مورد استفاده قرار گیرد. روش های پیش بینی به طور مداوم در حال تکامل هستند و امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در بین این روش ها پیدا کرده است، از این رو پژوهش حاضر به دنبال پیش بینی ورشکستگی شرکت های پذیرفته شده بورس اوراق بهادار تهران در فاصله زمانی 1386 تا 1392از طریق دو روش شبکه عصبی مصنوعی (ANN) و ARIMA مدل صورت پذیرفته است. داده هاي به دست آمده از هر دو مدل شبكه عصبي مصنوعي و اَريما با استفاده معيارهاي ارزيابي از جمله ميانگين قدر مطلق خطا ,(MAE) ميانگين مربعات خطا , (MSE) و ريشه ميانگين مربعات خطا (RMSE) مورد مقايسه و تجزيه و تحليل قرار گرفته و در نهايت شبکه عصبی دارای خطای کمتر قدرت توضیح دهندگی بالاتر در نتیجه پیش بینی بهتری را نسبت به روش اریما نشان می دهد.

شبکه عصبی مصنوعی، پیش بینی ورشکستگی, مدل اریما, تی استیودنت, خطای پیش بینی