بررسی مدل شبکه عصبی و اریما مدل برای پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران

یکی از مهمترین موضوع های مطرح شده در زمینه مدیریت مالی این است که سرمایه گذران فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابع در اختیار را در فرصت های مناسب سرمایه گذاری کنند. از مهمترین روش هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد پیش بینی ورشکستگی شرکت ها است و به منظور این پیش بینی ها مدل های مختلفی وجود دارد 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 1392 از طریق 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. واژه های کلیدی : شبکه عصبی مصنوعی، پیش بینی ورشکستگی, مدل اریما

شبکه عصبی مصنوعی، پیش بینی ورشکستگی, مدل اریما