مطالعات حسابداری و حسابرسی

مطالعات حسابداری و حسابرسی

طراحی و تبیین الگوی پیش بینی ورشکستگی شرکت ها با استفاده از مدل یادگیری عمیق بهینه شده با الگوریتم فراابتکاری نهنگ

نوع مقاله : مقاله پژوهشی

نویسندگان
مصطفی تقی ملایی 1
آذر مسلمی 2
عبدالکریم مقدم 3
1 دانشجوی دکتری گروه حسابداری ، دانشکده علوم انسانی ، واحد خمین ،دانشگاه آزاد اسلامی ، خمین، ایران
2 استادیار گروه حسابداری، دانشکده علوم انسانی ، واحد خمین ، دانشگاه آزاد اسلامی ، خمین ، ایران
3 دانشیار گروه حسابداری ، دانشگاه پیام نور تهران ، ایران
10.22034/iaas.2024.211394
چکیده
امروزه کسب و کارها برای بقا ، به مدیریت صحیح منابع و مصارف خود نیازمندند، در عرصه رقابتی انعطاف پذیری شرکت ها به شدت کاهش یافته و این عامل موجب شده که آنها در شرایط اقتصادی مختلف توانایی عکس العمل صحیح و مناسب را نداشته و با خطر ورشکستگی روبرو شوند. پیش بینی ورشکستگی شرکت ها از موضوعات مهمی است که به موفقیت و تداوم شرکتها کمک شایانی می کند.هدف این پژوهش طراحی و تبیین الگوی پیش بینی ورشکستگی شرکت ها با استفاده از مدل یادگیری عمیق بهینه شده با الگوریتم فراابتکاری نهنگ می باشد.مدل یاد شده روی داده های 328 نمونه از شرکتهای بورسی شامل 246 شرکت سالم و 82 شرکت ورشکسته در بازه زمانی 1395تا1400پیاده سازی شده است . نسبت های مالی، متغیر های مستقل این پژوهش می باشند که با استفاده از الگوریتم فرااکتشافی نهنگ بهینه شده و به عنوان یکی از مدل های هوش مصنوعی استخراج شده است .نتایج نشان داد ،نسبتهای سودعملیاتی به جمع دارایی ها ، وجه نقد به فروش خالص، وجه نقد به جمع دارایی ها، وجه نقد به بدهی جاری، بدهی جاری به جمع دارایی ها مؤثرترین متغیرهـا در تعیین ورشکستگی بوده اند و در تمامی معیارهای ارزیابی مدل های طبقه بندی ، تابع برازش و ناحیه تحت منحنی ROC الگوریتم نهنگ در مقایسه با الگوریتم ازدحام ذرات کارایی بهتری را ارائه کرد.
کلیدواژه‌ها
پیش بینی ورشکستگی
نسبتهای مالی
یادگیری عمیق
الگوریتم بهینه سازی نهنگ
  1. بیات ، علی ؛ احمدی ، سید علیرضا ؛ محمدی ، مجید ، (1397). "پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتم کرم شب تاب (FA )"، مهندسی مالی و مدیریت اوراق بهادار،37 (4)، 234-260
  2. حسینی ، سید علی؛ مرشدی ، فاطمه (1399). " ریسک ورشکستگی شرکت ها؛ مطالعه مقایسه ای " ، تحقیقات حسابداری و حسابرسی، انجمن حسابداری ایران، شماره 47، 55-72
  3. رسول زاده، مهدی. "بررسی کاربرد مدل آلتمن برای پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران"، ماهنامه بورس.1380،شماره 30 ، 62-65
  4. سلمانیان، مریم ؛ دارابی ، رویا. "بررسی تحلیلی درماندگی مالی "، مطالعات حسابداری و حسابرسی، انجمن حسابداری ایران، 1396، شماره 23 ، 47-64
  5. فرهنگ ، منوچهر ، فرهنگ علوم اقتصادی ،انتشارات نشر البرز ،چاپ هفتم ،(1374)
  6. قلی زاده سالطه ، توحید ؛ اقبال نیا ، محمد ؛ آقابابائی ، محمد ابراهیم (1398) . "پیش بینی ورشکستگی با مدل یادگیری ماشین سریع مبتنی بر کرنل بهینه شده با الگوریتم گرگ خاکستری"، تحقیقات مالی ، 21 (2) ، 187-212
  7. کرمی، غلامرضا ؛ سید حسینی ، سید مصطفی(1391). "سودمندی اطلاعات حسابداری نسبت به اطلاعات بازار در پیش بینی ورشکستگی " ، دانش حسابداری ، 10، 93-116
  8. Chou, C.-H., Hsieh, S.-C., & Qiu, C.-J. (2017). "Hybrid genetic algorithm and fuzzy  clustering for bankruptcy prediction". Applied Soft Computing, 56, 298-316
  9. Geng, R, Bose , I , & chen. X (2015)." Prediction of financial distress. An empirical study of listed Chinese companies using data mining ". European journal of operational research . 241(1) : 236-247
  10. Kim, Myoung-Jong & Dae-Ki Kang. (2012). “Classifiers selection in ensembles using genetic algorithms for bankruptcy prediction”. Expert Systems with Applications, pp. 1-7.
  11. Kim, s . Y, & Upneja. A (2014) "predicting restaurant financial  distress using decision tree and adaboosted decision tree models". Economic modelling . 36: 354-362
  12. Olson David L , dursun Delen & yanyan meng . (2012). "Comparative analysis of data mining methods for bankruptcy prediction" . Decision support systems , 52 : pp.464-473
  13. S Mirjalili and A. Lewis, "The whale optimization algorithm,"Advances in Engineering Software, vol. 95, no. 6 pp. 51-67,May 2016

W. J. Chen, Y. H. Shao, C. N. Li, Y. Q. Wang, M. Z. Liu, and Z.Wang,"NPrSVM: nonparallel sparse projection support vector machine with efficient 

مطالعات حسابداری و حسابرسی
دوره 13، شماره 51
پاییز 1403
صفحه 83-100