مقایسه توانمندی شبکه های عصبی و منطق فازی در پیش بینی سودآوری شرکتها

پیش بینی آینده همواره به صورت یک ضرورت در زندگی روزمره و به عنوان یک حوزه مشترک دربسیاری از علوم مطرح بوده است. پژوهشهای انجام شده نشان میدهد که رفتار بازار یک رفتار غیرخطی و آشوب گونه است، لذا نیاز به استفاده از ابزارها و الگوهای غیرخطی جهت پیش بینی، مشاهده می گردد.هدف ازاین پژوهش تعیین الگویی بااستفادهازمتغییرهای مالی جهت بالابردن توان تصمیمگیری استفاده کنندگان صورتهای مالی در پیش بینی سودآوری شرکتهامیباشد. بدین منظور به بررسی توانمندی دو الگوریتم شبکه عصبی و تحلیل پوششی داده های فازی در این زمینه پرداخته شد. نمونه های مورد استفاده در این پژوهش شامل 236 شرکت از شرکتهای عضو بورس اوراق بهادار تهران در بین سالهای 1385 تا 1390 (1416 شرکت-سال) می باشد. این شرکتها به دو گروه آموزشی شامل 944 شرکت-سال ابتدایی (شرکت-سالهای 85 تا 88) و گروه آزمایشی متشکل از 236 شرکت-سال انتهایی (شرکت-سال 86)، تفکیک گردیدند. برای پیش بینی سودآوری شرکتها از نسبتهای مالی پیش بینی کننده سودآوری که تحقیقات پیشین بکاررفته استفاده گردید. نتایج این مطالعه نشان داد بگارگیری تحلیل پوششی داده های فازی و شبکه های عصبی در گروه آزمایشی به ترتیبحدود 60و 81 درصد الگو برداری صحیح در پیش بینی سودآوری بالا و سودآوری پایین (زیان آوری) شرکتها داشته اند.