پیش‌بینی درماندگی مالی شرکت‌ها بوسیله مدل‌های ماشین بردار پشتیبان و تحلیل ممیزی چندگانه

پیش‌بینی درماندگی مالی شرکت‌ها بوسیله مدل‌های ماشین بردار پشتیبان و تحلیل ممیزی چندگانه

نویسندگان

چکیده

توانایی پیش‌بینی درماندگی مالی شرکت‌ها به عنوان یکی از حوزه‌های مدیریت ریسک، از اهمیت ویژه‌ای برخوردار است. هدف تحقیق حاضر بهبود فرآیند پیش بینی درماندگی مالی با تکیه بر دو بخش مهم در فرآیند مزبور است. برای این منظور ساختار تحقیق در دو بخش پیکربندی شده است. در بخش نخست تمرکز این مقاله بر متغیرهای پیش‌بین بوده و در بخش دوم نیز بر دو مدل مهم پیش‌بینی درماندگی مالی شرکت‌ها تأکید شده است. برای تحقق این هدف مجموعه‌ای از20 نسبت مالی به همراه امتیاز کارایی به عنوان یک متغیر پیش‌بین غیر مالی، کاندیدای ورود به دو مدل پیش‌بینی کننده مهم و در عین حال متفاوت ماشین بردار پشتیبان و تحلیل ممیزی چندگانه شدند. امتیاز کارایی مزبور به وسیله مدل تحلیل پوششی داده‌ها محاسبه گردیده است. به منظور برآورد متغیرهای تأثیرگذار و همچنین تسریع عملیات پیش‌بینی، با استفاده از فرآیند انتخاب ویژگی از میان 21 متغیر مورد نظر تعداد 10 نسبت مالی به همراه متغیر غیر مالی کارایی برای ورود به مدل‌های پیش‌بینی انتخاب شدند. همچنین به منظور جلوگیری از پدیده فرایادگیری از روش اعتبار سنجی متقابل با 12 زیرمجموعه برای هر یک از مدل‌های پیش‌بینی کننده، استفاده گردید. در ادامه به منظور بررسی تأثیر متغیر غیر مالی کارایی، متغیرهای انتخابی یک بار با حضور کارایی و بار دیگر بدون حضور این متغیر به ترتیب وارد مدل‌های پیش‌بینی شدند. نتایج بدست آمده حاکی از عدم تغییر دقت کلی این مدل‌ها بود. بدین ترتیب هیچ یک از فرضیه‌های تحقیق تأیید نشدند

کلیدواژه‌ها


عنوان مقاله [English]

Bankruptcy Prediction by Support Vector Machines and Multiple Discriminate Analysis Models

نویسندگان [English]

  • Mohsen Moradi
  • Morteza Shafiee Sardasht
  • Malihe Ebrahimpour
چکیده [English]

Ability to predict financial distress as one of the areas of risk management has various social and individual aspects. The aim of this study is to improve predicting financial distress process relying on two important processes. The first part of this article focuses on the financial distress predictor variables and then the two major models of financial distress prediction have been emphasized. For the goal, 20 financial ratios and efficiency of corporate as non-financial predictive variable, entering the two predictive models also differ in nature mean support vector machines and multiple discriminate analyses. The efficiency was computed by DEA. In order to have a real and effective estimate of predictive variables, by using feature selection method among variables, 10 financial ratios beside efficiency have chosen. Also to avoid of over fitting, cross-validation method with 12 v-folds has been conducted. As well as to compute the influence of efficiency on prediction accuracy, the prediction models were conducted by with and without efficiency respectively. Because of lack of the significant difference in the results of mentioned models, all hypotheses were rejected.

کلیدواژه‌ها [English]

  • Prediction
  • Bankruptcy
  • Support Vector Machines
  • Multiple Discriminate Analyses
  • Efficiency.